Label Studio¶

• 자동 라벨링 도구
• 로컬에서 서버를 실행하여 웹으로 진행하는 방식
• 라벨링과 관련된 전체 작업을 지원하는 메인서버와
  모델의 예측, 훈련을 지원하는 모델서버로 나뉘어 진다
  (모델서버는 개발자가 직접 구현해야 한다)
• 처음에는 수작업으로 라벨링
  → 수작업한 데이터 셋으로 모델 훈련
  → 훈련된 모델로 자동 라벨링
  → 수작업으로 보정 후 다시 훈련
  → 반복

프로젝트 세팅¶

• 가상환경 및 메인서버 세팅
  (Anaconda Prompt 에서 실행)

# 가상환경 생성
conda create -n LabelStudio python=3.10

# 생성한 가상환경 활성화
activate LabelStudio

# PostgreSQL 라이브러리 설치
conda install psycopg2

# Label Studio 메인서버 설치
pip install label-studio

# Label Studio 메인서버 실행
label-studio start

• Label Studio 모델서버 세팅

# 모델서버 기초 프로젝트 다운로드
git clone https://github.com/HumanSignal/label-studio-ml-backend.git

# 필요 라이브러리 설치
cd label-studio-ml-backend/
pip install -e .

# 구현이 필요한 하위 프로젝트 생성
label-studio-ml create my_ml_backend

# 모델서버 실행
label-studio-ml start my_ml_backend

메인서버 이미지 추가 방법¶

• 클라우드 메뉴에서 폴더를 선택하여 추가
  (직접 추가시 파일명이 변경됨)
• 아래 문구 입력 후 서버실행
  set LOCAL_FILES_SERVING_ENABLED=true
• Settings
  → Cloud Storage
  → Add Source Storage
  → Local files 선택 후 경로 입력
  → Treat every bucket object as a source file 체크 후 Add Storage 클릭

메인서버에 모델서버 연결¶

• Settings
  → Machine Learning
  → Add Model
  → 모델서버가 가동중인 URL 입력 http://localhost:9090
  → Validate and Save 클릭

모델서버 predict 구현¶

• 메인서버에서 1개 이미지를 수작업으로 라벨링 작업
• 작업한 이미지를 목록에서 </> 버튼 클릭
• 출력된 코드에서 result를 동일한 형식으로
  predict에서 {'result' : predictions }로 반환해야 한다

모델을 이용하여 자동 라벨링 방법¶

• 목록에서 체크박스를 선택하고 Actions 에서 Retrieve Predictions 클릭
• 목록에서 체크박스를 선택하고 Actions 에서 Create Annotations From Predictions 클릭