HumanSignal/label-studio-ml-backend

해결하는 문제

이 프로젝트는 개발자가 머신러닝 모델을 래핑하고 웹 서버로 배포할 수 있는 SDK를 제공합니다. 이러한 서버는 Label Studio에 연결되어 데이터 레이블링 작업을 자동화하여 데이터 주석 작업에 필요한 수작업을 줄일 수 있습니다.

작동 방식

SDK는 개발자가 자신의 추론 및 훈련 로직을 구현할 수 있도록 기본 클래스 LabelStudioMLBase 를 제공합니다. predict 메서드를 오버라이드함으로써 모델은 작업에 대해 사전 주석 또는 인터랙티브 예측을 제공할 수 있습니다. 선택적으로 fit 메서드를 사용하여 제출된 레이블 데이터를 기반으로 모델을 훈련할 수 있습니다.

대상 사용자

Label Studio를 사용하여 데이터 레이블링을 수행하고, 자체 커스텀 머신러닝 모델을 주석 프로세스에 통합하고자 하는 머신러닝 엔지니어 및 데이터 과학자.

주요 기능

• 사전 구축된 모델 예제: 텍스트 분류, NER, OCR, 객체 탐지, 이미지 세그멘테이션(SAM 2), RAG 파이프라인(LangChain) 등 다양한 모델을 지원합니다.
• 유연한 배포: Docker Compose 또는 Google Cloud Platform(GCP)로 직접 배포 가능합니다.
• 인터랙티브 레이블링: 사용자가 데이터를 레이블링하는 동안 모델이 실시간 예측을 제공할 수 있습니다.
• 훈련 통합: fit 메서드를 통해 제출된 주석을 기반으로 모델을 업데이트할 수 있습니다.