HumanSignal/label-studio-ml-backend

解決的問題

本專案提供一個 SDK，讓開發者可以將機器學習模型包裝成 Web 伺服器。這些伺服器可連接到 Label Studio，自動化標註任務，減少資料標註所需的大量手動工作。

運作方式

SDK 提供一個基底類別 LabelStudioMLBase，開發者可繼承此類別以實作自己的推論與訓練邏輯。透過覆寫 predict 方法，模型可為任務提供預先標註或互動式預測。可選擇性地，fit 方法可用來根據提交的標註資料訓練模型。

適用對象

使用 Label Studio 進行資料標註，並希望整合自訂 ML 模型以協助標註流程的機器學習工程師與資料科學家。

主要特色

• 預建模型範例：包含廣泛支援的模型，適用於文字分類、命名實體辨識（NER）、OCR、物件偵測、影像分割（SAM 2）以及 RAG 流程（LangChain）。
• 彈性部署：支援透過 Docker Compose 部署，或直接部署至 Google Cloud Platform（GCP）。
• 互動式標註：讓模型能在使用者標註資料時提供即時預測。
• 訓練整合：可透過 fit 方法根據提交的標註資料更新模型。