AnnotateAI

플랫폼의 핵심이다. 원본 데이터를 올리면 에이전트가 브라우저 안에서만 라벨링 1차를 끝낸다. 오후 내내 손으로 박스를 놓아 본 사람이라면, 계산이 달라지는 지점이 바로 여기다. 빈 캔버스는 이제 없다. 결과는 여전히 검토하지만, 만드는 대신 고치는 셈이다.

에이전트가 끝나면 라벨을 조정하고 경계를 다듬고 오탐을 고친다. 이 흐름은 빈 캔버스에서 시작하는 대신, 무엇이 올바른지 시스템에 가르치도록 짜여 있다. 실제로 진짜 품질의 대부분은 여기서 나온다. AI 사전 주석은 흔한 사례는 확실히 처리하지만 드문 사례는 놓치기 쉬우며, 그 드문 사례가 테스트 세트 밖에서 모델이 잘 버티는지를 좌우한다.

완성된 데이터셋은 YOLO, COCO, VOC, 사용자 정의 JSON으로 내려받는다. 대부분의 학습 파이프라인이 기대하는 형식을 이걸로 덮으므로, AnnotateAI와 프레임워크 사이에 변환 스크립트를 둘 필요가 없다. 무료 내보내기에는 워터마크가 붙는다. Pro는 이를 없애고, 자기 코드에서 내보내기를 실행하는 데 필요한 API 접근까지 열어 준다.

AnnotateAI는 브라우저의 IndexedDB로 데이터를 처리하므로, 호스팅 처리를 위해 일부러 업로드하지 않는 한 민감한 학습 데이터가 로컬 컴퓨터를 떠날 필요가 없다. 의료 이미지나 라이선스 콘텐츠를 다루는 팀에게 이는 큰 규정 준수 골칫거리를 없애 준다. 클라우드 전용 주석 서비스와 비교해 실질적인 차별점이다.

ZIP을 넣으면 파이프라인이 이미지, 동영상 프레임, 문서 레이아웃을 스스로 처리한다. 왜 중요할까. 대부분의 라벨링 도구가 한 가지 데이터 유형을 전제로 하고, 유형을 바꾸려면 보통 도구도 함께 바꿔야 하기 때문이다. 시작하기 전에 한 가지 형식에 묶이지 않는다. 혼합 형식 프로젝트는 나중에 덧붙인 기능이 아니라 애초에 상정된 사례다.

Pro 요금제는 최대 5건의 작업을 동시에 돌리고 약 5배 빠르게 시작하는 우선 큐를 쓴다. 큰 데이터셋은 대부분 기다림의 문제이므로, 여러 작업이 줄줄이 쌓였을 때 실제 생산 파이프라인을 굴러가게 하는 것은 이 큐다. 무료 계정은 공유 커뮤니티 큐에 들어가 한 번에 1건만 돈다. 시험 삼아 돌리기엔 충분하다. 마감이 걸리면 괴롭다.