이 레거시 버전의 AI Platform 데이터 라벨링은 지원 중단되었으며 2024년 1월 23일 이후에는 Google Cloud에서 더 이상 사용할 수 없습니다. 기존 AI Platform 데이터 라벨링의 모든 기능과 신규 기능은 Vertex AI Platform에서 사용할 수 있습니다. 리소스를 마이그레이션하는 방법은 Vertex AI로 마이그레이션을 참조하세요.

이미지 라벨링 요청 제출

AI Platform 데이터 라벨링 서비스에서는 6가지 유형의 이미지 라벨링 작업을 지원합니다.

분류에서는 라벨러가 각 이미지에 하나 이상의 라벨을 지정합니다.
경계 상자에서는 라벨러가 라벨을 선택하고 경계 상자를 하나 이상 그려 라벨을 이미지의 일부에 적용합니다.
방향 지정 경계 상자 태스크는 경계 상자 태스크와 비슷하지만, 경계 상자는 x축으로 정렬되는 반면 방향 지정 경계 상자는 방향이 제한되지 않습니다.
경계 다각형은 경계 상자와 비슷하지만, 경계 다각형에서 라벨러는 라벨을 선택하고 닫힌 다각형을 그려 라벨을 이미지의 일부에 적용합니다.
폴리라인 태스크는 경계 상자 태스크와 비슷하지만, 폴리라인 태스크에서 라벨 지정자는 라벨을 선택하고 폴리라인을 그려 라벨을 이미지의 일부에 적용합니다. 폴리라인은 선 세그먼트로 끝과 끝을 연결해주는 점 2개 이상의 목록으로 구성됩니다.
분류 태스크에서는 라벨러가 각 라벨에 마스크를 생성합니다. 출력은 라벨과 색상을 매핑하는 색상 매핑 테이블입니다.

이미지 분류 태스크

웹 UI

데이터 라벨링 서비스 UI를 엽니다.
왼쪽 탐색 메뉴에서 데이터 세트를 선택합니다.

데이터 세트 페이지에는 현재 프로젝트에 사용할 수 있는 이전에 작성한 데이터 세트의 상태가 표시됩니다.
라벨 지정을 위해 제출할 데이터 세트의 이름을 클릭합니다.

상태가 가져오기 완료인 데이터 세트를 제출할 수 있습니다. 데이터 유형 열에서는 데이터 세트에 이미지, 동영상 또는 텍스트가 포함되어 있는지 여부를 확인할 수 있습니다.
데이터 세트 세부정보 페이지에서 제목 표시줄의 라벨 지정 태스크 만들기 버튼을 클릭합니다.
새 라벨 지정 태스크 페이지에서 주석을 단 데이터 세트의 이름과 설명을 입력합니다.

주석 달린 데이터 세트는 수동 라벨 지정자가 라벨을 지정한 후의 데이터 세트 버전입니다.
목표 드롭다운에서 이 데이터 세트에 대해 수행할 라벨 지정 태스크 유형을 선택합니다.

드롭다운 목록에는 이 데이터 세트에 있는 데이터 유형에서 지원하는 목표만 표시됩니다. 원하는 목표가 표시되지 않는다면 엉뚱한 데이터 유형이 있는 데이터 세트를 선택했을 가능성이 큽니다. 새 라벨 지정 태스크 페이지를 닫고 다른 데이터 세트를 선택하세요.
라벨 세트 드롭다운에서 라벨러가 이 세트에 있는 데이터 항목을 적용할 라벨 세트를 선택합니다.

드롭다운 목록에 이 프로젝트와 관련된 모든 라벨 세트가 포함됩니다. 라벨 세트를 선택해야 합니다.
안내 드롭다운에서 이 데이터 세트를 작업 중인 라벨 지정자에게 제공할 안내를 선택합니다.

드롭다운 목록에 이 프로젝트와 관련된 모든 안내가 포함됩니다. 라벨 지정 요청에 안내를 포함해야 합니다.
데이터 항목별 라벨 지정자 드롭다운에서 데이터 세트의 각 항목을 검토할 라벨 지정자 수를 지정합니다.

기본값은 1명이지만, 각 항목에 라벨러를 3명이나 5명 요청할 수도 있습니다.
체크박스를 클릭하여 라벨 지정에 요금이 어떻게 청구되는지 이해했음을 확인합니다.
만들기를 클릭합니다.

명령줄

다음 환경 변수를 설정합니다.

PROJECT_ID 변수를 Google Cloud 프로젝트 ID로 설정합니다.
DATASET_ID 변수를 데이터 세트를 만들 때 작성한 응답의 데이터 세트 ID로 설정합니다. ID는 데이터 세트 전체 이름 끝에 표시됩니다.
```
projects/PROJECT_ID/locations/us-central1/datasets/DATASET_ID
```
INSTRUCTION_RESOURCE_NAME을 안내 리소스의 이름으로 설정합니다.
ANNOTATION_SPEC_SET_RESOURCE_NAME을 라벨 세트 리소스 이름으로 설정합니다.

curl -X POST -H "Authorization: Bearer $(gcloud auth application-default print-access-token)" \
  -H "Content-Type: application/json" \
  https://datalabeling.googleapis.com/v1beta1/projects/${PROJECT_ID}/datasets/${DATASET_ID}/image:label \
  -d '{
  "basicConfig": {
    "instruction": "${INSTRUCTION_RESOURCE_NAME}",
    "annotatedDatasetDisplayName": "curl_testing_annotated_dataset",
    "labelGroup": "test_label_group",
    "replica_count": 1
  },
  "feature": "TEXT_CLASSIFICATION",
  "imageClassificationConfig": {
    "annotationSpecSet": "${ANNOTATION_SPEC_SET_RESOURCE_NAME}",
  },
}'

다음과 비슷한 출력이 표시됩니다. 작업 ID를 사용하여 작업 상태를 가져올 수 있습니다. 예시는 작업 상태 가져오기를 참조하세요.

{
  "name": "projects/data-labeling-codelab/operations/5c73dd6b_0000_2b34_a920_883d24fa2064",
  "metadata": {
    "@type": "type.googleapis.com/google.cloud.data-labeling.v1beta1.LabelImageClassificationOperationMetadata",
    "dataset": "projects/data-labeling-codelab/datasets/5c73db3d_0000_23e0_a25b_94eb2c119c4c"
  }
}

Python

이 코드 예시를 실행하려면 우선 Python 클라이언트 라이브러리를 설치해야 합니다.

def label_image(
    dataset_resource_name, instruction_resource_name, annotation_spec_set_resource_name
):
    """Labels an image dataset."""
    from google.cloud import datalabeling_v1beta1 as datalabeling

    client = datalabeling.DataLabelingServiceClient()

    basic_config = datalabeling.HumanAnnotationConfig(
        instruction=instruction_resource_name,
        annotated_dataset_display_name="YOUR_ANNOTATED_DATASET_DISPLAY_NAME",
        label_group="YOUR_LABEL_GROUP",
        replica_count=1,
    )

    feature = datalabeling.LabelImageRequest.Feature.CLASSIFICATION

    # annotation_spec_set_resource_name needs to be created beforehand.
    # See the examples in the following:
    # https://cloud.google.com/ai-platform/data-labeling/docs/label-sets
    config = datalabeling.ImageClassificationConfig(
        annotation_spec_set=annotation_spec_set_resource_name,
        allow_multi_label=False,
        answer_aggregation_type=datalabeling.StringAggregationType.MAJORITY_VOTE,
    )

    response = client.label_image(
        request={
            "parent": dataset_resource_name,
            "basic_config": basic_config,
            "feature": feature,
            "image_classification_config": config,
        }
    )

    print(f"Label_image operation name: {response.operation.name}")
    return response

Java

이 코드 예시를 실행하려면 우선 자바 클라이언트 라이브러리를 설치해야 합니다.

import com.google.api.gax.longrunning.OperationFuture;
import com.google.cloud.datalabeling.v1beta1.AnnotatedDataset;
import com.google.cloud.datalabeling.v1beta1.DataLabelingServiceClient;
import com.google.cloud.datalabeling.v1beta1.DataLabelingServiceSettings;
import com.google.cloud.datalabeling.v1beta1.HumanAnnotationConfig;
import com.google.cloud.datalabeling.v1beta1.ImageClassificationConfig;
import com.google.cloud.datalabeling.v1beta1.LabelImageRequest;
import com.google.cloud.datalabeling.v1beta1.LabelImageRequest.Feature;
import com.google.cloud.datalabeling.v1beta1.LabelOperationMetadata;
import com.google.cloud.datalabeling.v1beta1.StringAggregationType;
import java.io.IOException;
import java.util.concurrent.ExecutionException;

class LabelImage {

  // Start an Image Labeling Task
  static void labelImage(
      String formattedInstructionName,
      String formattedAnnotationSpecSetName,
      String formattedDatasetName)
      throws IOException {
    // String formattedInstructionName = DataLabelingServiceClient.formatInstructionName(
    //      "YOUR_PROJECT_ID", "YOUR_INSTRUCTION_UUID");
    // String formattedAnnotationSpecSetName =
    //     DataLabelingServiceClient.formatAnnotationSpecSetName(
    //         "YOUR_PROJECT_ID", "YOUR_ANNOTATION_SPEC_SET_UUID");
    // String formattedDatasetName = DataLabelingServiceClient.formatDatasetName(
    //      "YOUR_PROJECT_ID", "YOUR_DATASET_UUID");


    DataLabelingServiceSettings settings =
        DataLabelingServiceSettings.newBuilder()
            .build();
    try (DataLabelingServiceClient dataLabelingServiceClient =
        DataLabelingServiceClient.create(settings)) {
      HumanAnnotationConfig humanAnnotationConfig =
          HumanAnnotationConfig.newBuilder()
              .setAnnotatedDatasetDisplayName("annotated_displayname")
              .setAnnotatedDatasetDescription("annotated_description")
              .setInstruction(formattedInstructionName)
              .build();

      ImageClassificationConfig imageClassificationConfig =
          ImageClassificationConfig.newBuilder()
              .setAllowMultiLabel(true)
              .setAnswerAggregationType(StringAggregationType.MAJORITY_VOTE)
              .setAnnotationSpecSet(formattedAnnotationSpecSetName)
              .build();

      LabelImageRequest labelImageRequest =
          LabelImageRequest.newBuilder()
              .setParent(formattedDatasetName)
              .setBasicConfig(humanAnnotationConfig)
              .setImageClassificationConfig(imageClassificationConfig)
              .setFeature(Feature.CLASSIFICATION)
              .build();

      OperationFuture<AnnotatedDataset, LabelOperationMetadata> operation =
          dataLabelingServiceClient.labelImageAsync(labelImageRequest);

      // You'll want to save this for later to retrieve your completed operation.
      System.out.format("Operation Name: %s\n", operation.getName());

      // Cancel the operation to avoid charges when testing.
      dataLabelingServiceClient.getOperationsClient().cancelOperation(operation.getName());

    } catch (IOException | InterruptedException | ExecutionException e) {
      e.printStackTrace();
    }
  }
}

경계 상자

웹 UI

데이터 라벨링 서비스 UI를 엽니다.
왼쪽 탐색 메뉴에서 데이터 세트를 선택합니다.

데이터 세트 페이지에는 현재 프로젝트에 사용할 수 있는 이전에 작성한 데이터 세트의 상태가 표시됩니다.
라벨 지정을 위해 제출할 데이터 세트의 이름을 클릭합니다.

상태가 가져오기 완료인 데이터 세트를 제출할 수 있습니다. 데이터 유형 열에서는 데이터 세트에 이미지, 동영상 또는 텍스트가 포함되어 있는지 여부를 확인할 수 있습니다.
데이터 세트 세부정보 페이지에서 제목 표시줄의 라벨 지정 태스크 만들기 버튼을 클릭합니다.
새 라벨 지정 태스크 페이지에서 주석을 단 데이터 세트의 이름과 설명을 입력합니다.

주석 달린 데이터 세트는 수동 라벨 지정자가 라벨을 지정한 후의 데이터 세트 버전입니다.
목표 드롭다운에서 이 데이터 세트에 대해 수행할 라벨 지정 태스크 유형을 선택합니다.

드롭다운 목록에는 이 데이터 세트에 있는 데이터 유형에서 지원하는 목표만 표시됩니다. 원하는 목표가 표시되지 않는다면 엉뚱한 데이터 유형이 있는 데이터 세트를 선택했을 가능성이 큽니다. 새 라벨 지정 태스크 페이지를 닫고 다른 데이터 세트를 선택하세요.
라벨 세트 드롭다운에서 라벨러가 이 세트에 있는 데이터 항목을 적용할 라벨 세트를 선택합니다.

드롭다운 목록에 이 프로젝트와 관련된 모든 라벨 세트가 포함됩니다. 라벨 세트를 선택해야 합니다.
안내 드롭다운에서 이 데이터 세트를 작업 중인 라벨 지정자에게 제공할 안내를 선택합니다.

드롭다운 목록에 이 프로젝트와 관련된 모든 안내가 포함됩니다. 라벨 지정 요청에 안내를 포함해야 합니다.
데이터 항목별 라벨 지정자 드롭다운에서 데이터 세트의 각 항목을 검토할 라벨 지정자 수를 지정합니다.

기본값은 1명이지만, 각 항목에 라벨러를 3명이나 5명 요청할 수도 있습니다.
체크박스를 클릭하여 라벨 지정에 요금이 어떻게 청구되는지 이해했음을 확인합니다.
만들기를 클릭합니다.

명령줄

다음 환경 변수를 설정합니다.

PROJECT_ID 변수를 Google Cloud 프로젝트 ID로 설정합니다.
DATASET_ID 변수를 데이터 세트를 만들 때 작성한 응답의 데이터 세트 ID로 설정합니다. ID는 데이터 세트 전체 이름 끝에 표시됩니다.
```
projects/PROJECT_ID/locations/us-central1/datasets/DATASET_ID
```
INSTRUCTION_RESOURCE_NAME을 안내 리소스의 이름으로 설정합니다.
ANNOTATION_SPEC_SET_RESOURCE_NAME을 라벨 세트 리소스 이름으로 설정합니다.

curl -X POST \
  -H "Authorization: Bearer $(gcloud auth application-default print-access-token)" \
  -H "Content-Type: application/json" \
  https://datalabeling.googleapis.com/v1beta1/projects/${PROJECT_ID}/datasets/${DATASET_ID}/image:label \
  -d '{
  "basicConfig": {
    "instruction": "${INSTRUCTION_RESOURCE_NAME}",
    "annotatedDatasetDisplayName": "curl_testing_annotated_dataset",
    "labelGroup": "test_label_group",
    "replica_count": 1
  },
  "feature": "BOUNDING_BOX",
  "boundingPolyConfig": {
    "annotationSpecSet": "${ANNOTATION_SPEC_SET_RESOURCE_NAME}",
  },
}'

다음과 비슷한 출력이 표시됩니다. 작업 ID를 사용하여 작업 상태를 가져올 수 있습니다. 예시는 작업 상태 가져오기를 참조하세요.

{
  "name": "projects/data-labeling-codelab/operations/5c73dd6b_0000_2b34_a920_883d24fa2064",
  "metadata": {
    "@type": "type.googleapis.com/google.cloud.data-labeling.v1beta1.LabelImageBoundingBoxOperationMetadata",
    "dataset": "projects/data-labeling-codelab/datasets/5c73db3d_0000_23e0_a25b_94eb2c119c4c"
  }
}