데이터 라벨링: AI의 선생님

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

---

라벨링 도구 비교

도구	가격	설치	출력 형식	팀 협업	자동 라벨링
LabelImg	무료	로컬	YOLO/VOC	없음	없음
CVAT	무료	서버/클라우드	다양	지원	AI 보조
Roboflow	무료~유료	클라우드	다양	지원	AI 보조 + 증강
Label Studio	무료	서버	다양	지원	ML 백엔드

---

LabelImg (입문 추천)

[LabelImg 설치]
pip install labelImg
labelImg  # 실행

[사용법]
1. Open Dir → 이미지 폴더 선택
2. Change Save Dir → 라벨 저장 폴더
3. YOLO 형식 선택 (좌측 하단)
4. Create RectBox (W키) → 결함 영역 드래그
5. 클래스 입력 → 저장 (Ctrl+S)
6. 다음 이미지 (D키)

단축키:
  W: 바운딩 박스 생성
  D: 다음 이미지
  A: 이전 이미지
  Ctrl+S: 저장
  Del: 선택 박스 삭제

---

Roboflow (프로덕션 추천)

[Roboflow 워크플로]

1. 이미지 업로드 (드래그 앤 드롭)
2. AI 보조 라벨링 (자동 제안)
3. 수동 검수 및 수정
4. 데이터셋 분할 (train/val/test)
5. 전처리 + 증강 자동 적용
6. YOLO 형식으로 다운로드

장점:
- 웹 기반 (설치 불필요)
- AI가 라벨 후보를 제안 → 검수만 하면 됨
- 자동 증강으로 데이터 3~5배 확대
- 무료 플랜: 10,000장까지

---

라벨링 품질 가이드 (제조)

[좋은 라벨링]
┌──────────────────┐
│                  │
│  ┌──────┐        │  ← 결함을 딱 맞게 감싸는 박스
│  │scratch│        │
│  └──────┘        │
│                  │
└──────────────────┘

[나쁜 라벨링 1: 너무 큼]
┌──────────────────┐
│ ┌──────────────┐ │  ← 배경이 너무 많이 포함
│ │   scratch    │ │
│ │              │ │
│ └──────────────┘ │
└──────────────────┘

[나쁜 라벨링 2: 누락]
┌──────────────────┐
│  ┌──────┐        │  ← 이 결함은 라벨링 O
│  │scratch│ ●     │  ← 이 이물질은 누락! X
│  └──────┘        │
│                  │
└──────────────────┘

---

라벨링 효율화 팁

팁	효과
사전학습 모델로 자동 라벨 후 수정	작업 시간 70% 감소
클래스 정의를 명확히 문서화	라벨러 간 일관성
일일 검수 (10% 샘플링)	품질 유지
어려운 사례 별도 관리	라벨링 가이드 보완
라벨링 가이드 이미지 제공	신규 라벨러 교육