30분

데이터 라벨링: LabelImg, Roboflow, CVAT

Day 3: YOLO 객체 탐지

학습 목표

바운딩 박스 라벨링의 개념과 중요성을 이해한다 LabelImg, Roboflow, CVAT 도구의 장단점을 비교할 수 있다 효율적인 라벨링 워크플로를 설계할 수 있다

데이터 라벨링: AI의 선생님

YOLO를 학습시키려면 "이 이미지의 여기에 이 불량이 있다"를 사람이 직접 표시해줘야 한다. 이것이 라벨링이다.

라벨링 도구 비교

도구가격설치출력 형식팀 협업자동 라벨링
LabelImg무료로컬YOLO/VOC없음없음
CVAT무료서버/클라우드다양지원AI 보조
Roboflow무료~유료클라우드다양지원AI 보조 + 증강
Label Studio무료서버다양지원ML 백엔드

LabelImg (입문 추천)

에디터 로딩 중...

Roboflow (프로덕션 추천)

에디터 로딩 중...

라벨링 품질 가이드 (제조)

에디터 로딩 중...

라벨링 효율화 팁

팁효과
사전학습 모델로 자동 라벨 후 수정작업 시간 70% 감소
클래스 정의를 명확히 문서화라벨러 간 일관성
일일 검수 (10% 샘플링)품질 유지
어려운 사례 별도 관리라벨링 가이드 보완
라벨링 가이드 이미지 제공신규 라벨러 교육
핵심 포인트
  • • LabelImg: 무료, 간단, 입문용 / Roboflow: AI 보조, 프로덕션급
  • • 바운딩 박스는 결함을 딱 맞게 감싸야 한다 (너무 크면 성능 저하)
  • • 사전학습 모델로 자동 라벨 → 수동 검수 워크플로가 가장 효율적
  • • 클래스 정의 문서화와 일일 검수로 라벨링 품질을 유지한다
이전다음