The Ultimate Data Labeling Platform
데이터메이커

Get Started Now

2020 데이터바우처 지원사업

과기부 산하 한국데이터산업진흥원(K-data)이 주관하는 ‘2020 데이터바우처 지원사업’에 알디프로젝트와 협약하고, 혜택을 받아보세요.

더 알아보기
ai ai
AI 가공 7,000만원

제품 개발, 빅데이터 분석, 사회현안 해결 등에 필요한 AI 학습 데이터셋 구축

general general
일반 가공 4,500만원

여러 데이터 전처리 및 문제 해결과, 마케팅 정보 이용

benefit
AI 데이터 가공

인공지능 학습용 데이터 라벨링 솔루션

"영상 데이터를 프레임 단위로 라벨링을 하여 여러가지 형태로 제공합니다."

video_annotation
{
    "frame": 31197,
    "annotations": [
        {
            "label": {
                "category": "rect",
                "data": {
                    "width": 22,
                    "y": 624,
                    "height": 55,
                    "x": 54
                }
            },
            "classification": {
                "code": "pedestrian"
            }
        },
        {
            "label": {
                "category": "rect",
                "data": {
                    "width": 31,
                    "y": 618,
                    "height": 83,
                    "x": 237
                }
            },
            "classification": {
                "code": "pedestrian"
            }
        },
        {
            "label": {
                "category": "rect",
                "data": {
                    "width": 620,
                    "y": 582,
                    "height": 246,
                    "x": 269
                }
            },
            "classification": {
                "code": "vehicle"
            }
        },
        {
            "label": {
                "category": "rect",
                "data": {
                    "width": 128,
                    "y": 157,
                    "height": 66,
                    "x": 1493
                }
            },
            "classification": {
                "code": "traffic_light"
            }
        },
        {
            "label": {
                "category": "rect",
                "data": {
                    "width": 1917,
                    "y": 992,
                    "height": 86,
                    "x": 1
                }
            },
            "classification": {
                "code": "vehicle"
            }
        },
        {
            "label": {
                "category": "rect",
                "data": {
                    "width": 214,
                    "y": 673,
                    "height": 88,
                    "x": 1210
                }
            },
            "classification": {
                "code": "vehicle"
            }
        },
        {
            "label": {
                "category": "rect",
                "data": {
                    "width": 291,
                    "y": 675,
                    "height": 105,
                    "x": 1340
                }
            },
            "classification": {
                "code": "vehicle"
            }
        },
        {
            "label": {
                "category": "rect",
                "data": {
                    "width": 111,
                    "y": 686,
                    "height": 78,
                    "x": 1563
                }
            },
            "classification": {
                "code": "vehicle"
            }
        },
        {
            "label": {
                "category": "rect",
                "data": {
                    "width": 26,
                    "y": 707,
                    "height": 45,
                    "x": 1679
                }
            },
            "classification": {
                "code": "vehicle"
            }
        },
        {
            "label": {
                "category": "rect",
                "data": {
                    "width": 223,
                    "y": 667,
                    "height": 140,
                    "x": 1696
                }
            },
            "classification": {
                "code": "vehicle"
            }
        }
    ],
    "video": {
        "fps": 29.98,
        "url": "https://datamaker.io/api/example/video_annotation/GJt9eqjT32yg4.mp4"
    }
}

"시멘틱 세그멘테이션은 이미지, 영상 데이터의 모든 픽셀에 클래스를 부여합니다."

semantic_segmentation
{
    "response": {
        "user_task__id": "321988",
        "images": {
            "labeled_layers": {
                "Obstacle": "https://datamaker.io/api/example/obstacle.png",
                "Tree": "https://datamaker.io/api/example/tree.png",
                "Lane Marks": "https://datamaker.io/api/example/lane_marks.png",
                "Asphalt": "https://datamaker.io/api/example/asphalt.png",
                "Sky or Void": "https://datamaker.io/api/example/sky_or_void.png",
                "Building": "https://datamaker.io/api/example/building.png",
                "Pedestrian": "https://datamaker.io/api/example/pedestrian.png"
            },
            "labeled_all": {
                "image": "https://datamaker.io/api/example/321988_full.png"
            }
        },
        "classes": {
            "Obstacle": {
                "color": "#ff00ff"
            },
            "Tree": {
                "color": "#00ff00"
            },
            "Lane Marks": {
                "color": "#00ffff"
            },
            "Asphalt": {
                "color": "#808080"
            },
            "Sky or Void": {
                "color": "#ffffff"
            },
            "Building": {
                "color": "#ffa500"
            },
            "Pedestrian": {
                "color": "#ffff00"
            }
        }
    }
}

"이미지, 영상 데이터 속 객체를 박스로 지정하여 라벨링 합니다."

bounding_box
{
    "annotations": [
        {
            "label": {
                "category": "bounding_box",
                "data": {
                    "width": 232,
                    "y": 371,
                    "height": 786,
                    "x": 1
                }
            },
            "classification": {
                "code": "house",
                "attributes": []
            }
        },
        {
            "label": {
                "category": "bounding_box",
                "data": {
                    "width": 421,
                    "y": 368,
                    "height": 794,
                    "x": 276
                }
            },
            "classification": {
                "code": "house",
                "attributes": []
            }
        },
        {
            "label": {
                "category": "bounding_box",
                "data": {
                    "width": 454,
                    "y": 343,
                    "height": 819,
                    "x": 708
                }
            },
            "classification": {
                "code": "house",
                "attributes": []
            }
        },
        {
            "label": {
                "category": "bounding_box",
                "data": {
                    "width": 422,
                    "y": 352,
                    "height": 807,
                    "x": 1211
                }
            },
            "classification": {
                "code": "house",
                "attributes": []
            }
        },
        {
            "label": {
                "category": "bounding_box",
                "data": {
                    "width": 402,
                    "y": 352,
                    "height": 916,
                    "x": 1726
                }
            },
            "classification": {
                "code": "house",
                "attributes": []
            }
        },
        {
            "label": {
                "category": "bounding_box",
                "data": {
                    "width": 422,
                    "y": 343,
                    "height": 831,
                    "x": 2215
                }
            },
            "classification": {
                "code": "house",
                "attributes": []
            }
        },
        {
            "label": {
                "category": "bounding_box",
                "data": {
                    "width": 444,
                    "y": 360,
                    "height": 756,
                    "x": 2700
                }
            },
            "classification": {
                "code": "house",
                "attributes": []
            }
        },
        {
            "label": {
                "category": "bounding_box",
                "data": {
                    "width": 416,
                    "y": 351,
                    "height": 654,
                    "x": 3176
                }
            },
            "classification": {
                "code": "house",
                "attributes": []
            }
        },
        {
            "label": {
                "category": "bounding_box",
                "data": {
                    "width": 349,
                    "y": 349,
                    "height": 755,
                    "x": 3653
                }
            },
            "classification": {
                "code": "house",
                "attributes": []
            }
        },
        {
            "label": {
                "category": "bounding_box",
                "data": {
                    "width": 344,
                    "y": 1784,
                    "height": 808,
                    "x": 3658
                }
            },
            "classification": {
                "code": "house",
                "attributes": []
            }
        },
        {
            "label": {
                "category": "bounding_box",
                "data": {
                    "width": 473,
                    "y": 1788,
                    "height": 811,
                    "x": 3183
                }
            },
            "classification": {
                "code": "house",
                "attributes": []
            }
        },
        {
            "label": {
                "category": "bounding_box",
                "data": {
                    "width": 403,
                    "y": 1747,
                    "height": 839,
                    "x": 2724
                }
            },
            "classification": {
                "code": "house",
                "attributes": []
            }
        },
        {
            "label": {
                "category": "bounding_box",
                "data": {
                    "width": 397,
                    "y": 1788,
                    "height": 791,
                    "x": 2247
                }
            },
            "classification": {
                "code": "house",
                "attributes": []
            }
        },
        {
            "label": {
                "category": "bounding_box",
                "data": {
                    "width": 392,
                    "y": 1753,
                    "height": 836,
                    "x": 1768
                }
            },
            "classification": {
                "code": "house",
                "attributes": []
            }
        },
        {
            "label": {
                "category": "bounding_box",
                "data": {
                    "width": 418,
                    "y": 1795,
                    "height": 798,
                    "x": 1256
                }
            },
            "classification": {
                "code": "house",
                "attributes": []
            }
        },
        {
            "label": {
                "category": "bounding_box",
                "data": {
                    "width": 402,
                    "y": 1740,
                    "height": 834,
                    "x": 803
                }
            },
            "classification": {
                "code": "house",
                "attributes": []
            }
        },
        {
            "label": {
                "category": "bounding_box",
                "data": {
                    "width": 470,
                    "y": 1775,
                    "height": 804,
                    "x": 277
                }
            },
            "classification": {
                "code": "house",
                "attributes": []
            }
        },
        {
            "label": {
                "category": "bounding_box",
                "data": {
                    "width": 293,
                    "y": 1782,
                    "height": 791,
                    "x": 1
                }
            },
            "classification": {
                "code": "house",
                "attributes": []
            }
        }
    ]
}

"이미지, 영상 데이터 속 객체의 불규칙한 경계를 정교하고 정확하게 라벨링 합니다."

polygon
{
    "vertices": [
        {
            "y": 402,
            "x": 10
        },
        {
            "y": 399,
            "x": 21
        },
        {
            "y": 394,
            "x": 30
        },
        {
            "y": 385,
            "x": 43
        },
        {
            "y": 360,
            "x": 50
        },
        {
            "y": 380,
            "x": 66
        },
        {
            "y": 401,
            "x": 72
        },
        {
            "y": 420,
            "x": 79
        },
        {
            "y": 449,
            "x": 91
        },
        {
            "y": 470,
            "x": 120
        },
        {
            "y": 482,
            "x": 134
        },
        {
            "y": 502,
            "x": 151
        },
        {
            "y": 563,
            "x": 162
        },
        {
            "y": 523,
            "x": 175
        },
        {
            "y": 507,
            "x": 195
        },
        {
            "y": 492,
            "x": 211
        },
        {
            "y": 475,
            "x": 250
        },
        {
            "y": 447,
            "x": 290
        }
    ]
}

"차선 등의 선형 이미지 데이터를 픽셀단위까지 정확하게 라벨링합니다."

polyline
{
    "vertices": [
        {
            "y": 586,
            "x": 1
        },
        {
            "y": 589,
            "x": 232
        },
        {
            "y": 491,
            "x": 1
        },
        {
            "y": 496,
            "x": 201
        },
        {
            "y": 432,
            "x": 1
        },
        {
            "y": 470,
            "x": 175
        },
        {
            "y": 394,
            "x": 1
        },
        {
            "y": 427,
            "x": 149
        }
    ]
}

"객체의 주요 특징점을 지정하여 물체를 추적, 인식할 수 있습니다."

keypoint
[
    {
        "label": {
            "category": "keypoint",
            "data": {
                "y": 324,
                "x": 51
            }
        }
    },
    {
        "label": {
            "category": "keypoint",
            "data": {
                "y": 272,
                "x": 287
            }
        }
    },
    {
        "label": {
            "category": "keypoint",
            "data": {
                "y": 80,
                "x": 464
            }
        }
    },
    {
        "label": {
            "category": "keypoint",
            "data": {
                "y": 45,
                "x": 128
            }
        }
    },
    {
        "label": {
            "category": "keypoint",
            "data": {
                "y": 199,
                "x": 388
            }
        }
    },
    {
        "label": {
            "category": "keypoint",
            "data": {
                "y": 109,
                "x": 184
            }
        }
    },
    {
        "label": {
            "category": "keypoint",
            "data": {
                "y": 229,
                "x": 40
            }
        }
    },
    {
        "label": {
            "category": "keypoint",
            "data": {
                "y": 133,
                "x": 337
            }
        }
    },
    {
        "label": {
            "category": "keypoint",
            "data": {
                "y": 189,
                "x": 333
            }
        }
    },
    {
        "label": {
            "category": "keypoint",
            "data": {
                "y": 24,
                "x": 171
            }
        }
    },
    {
        "label": {
            "category": "keypoint",
            "data": {
                "y": 235,
                "x": 93
            }
        }
    },
    {
        "label": {
            "category": "keypoint",
            "data": {
                "y": 20,
                "x": 403
            }
        }
    },
    {
        "label": {
            "category": "keypoint",
            "data": {
                "y": 31,
                "x": 393
            }
        }
    },
    {
        "label": {
            "category": "keypoint",
            "data": {
                "y": 182,
                "x": 328
            }
        }
    },
    {
        "label": {
            "category": "keypoint",
            "data": {
                "y": 142,
                "x": 360
            }
        }
    },
    {
        "label": {
            "category": "keypoint",
            "data": {
                "y": 124,
                "x": 389
            }
        }
    },
    {
        "label": {
            "category": "keypoint",
            "data": {
                "y": 329,
                "x": 101
            }
        }
    },
    {
        "label": {
            "category": "keypoint",
            "data": {
                "y": 324,
                "x": 51
            }
        }
    },
    {
        "label": {
            "category": "keypoint",
            "data": {
                "y": 272,
                "x": 287
            }
        }
    },
    {
        "label": {
            "category": "keypoint",
            "data": {
                "y": 80,
                "x": 464
            }
        }
    },
    {
        "label": {
            "category": "keypoint",
            "data": {
                "y": 45,
                "x": 128
            }
        }
    },
    {
        "label": {
            "category": "keypoint",
            "data": {
                "y": 199,
                "x": 388
            }
        }
    },
    {
        "label": {
            "category": "keypoint",
            "data": {
                "y": 109,
                "x": 184
            }
        }
    },
    {
        "label": {
            "category": "keypoint",
            "data": {
                "y": 229,
                "x": 40
            }
        }
    },
    {
        "label": {
            "category": "keypoint",
            "data": {
                "y": 133,
                "x": 337
            }
        }
    },
    {
        "label": {
            "category": "keypoint",
            "data": {
                "y": 189,
                "x": 333
            }
        }
    },
    {
        "label": {
            "category": "keypoint",
            "data": {
                "y": 24,
                "x": 171
            }
        }
    },
    {
        "label": {
            "category": "keypoint",
            "data": {
                "y": 235,
                "x": 93
            }
        }
    },
    {
        "label": {
            "category": "keypoint",
            "data": {
                "y": 20,
                "x": 403
            }
        }
    },
    {
        "label": {
            "category": "keypoint",
            "data": {
                "y": 31,
                "x": 393
            }
        }
    },
    {
        "label": {
            "category": "keypoint",
            "data": {
                "y": 182,
                "x": 328
            }
        }
    },
    {
        "label": {
            "category": "keypoint",
            "data": {
                "y": 142,
                "x": 360
            }
        }
    },
    {
        "label": {
            "category": "keypoint",
            "data": {
                "y": 124,
                "x": 389
            }
        }
    },
    {
        "label": {
            "category": "keypoint",
            "data": {
                "y": 329,
                "x": 101
            }
        }
    }
]

"개체명 인식으로 자연어 의미를 파악하여 유형을 식별합니다."

named_entity_recognition
{
    "annotations": [
        {
            "label": "Transportation",
            "string": "지하철",
            "end": 10,
            "text_id": 1854380577,
            "start": 8
        },
        {
            "label": "Transportation",
            "string": "차",
            "end": 23,
            "text_id": 1854380577,
            "start": 23
        }
    ]
}

"자연어의 감정이나 의도 등을 분석하여 분류합니다."

sentiment_and_intent_analysis
{
    "response": {
        "choice": "anger",
        "text_id": 81202745595
    }
}

"다양한 사용자로부터 주제 및 상황에 맞는 자연어 텍스트를 수집합니다."

utterance_collection
{
    "response": {
        "text": "환불 규정에 대해 자세히 알고 싶습니다.",
        "q_id": 58239027713
    }
}

"텍스트의 유형 및 맥락을 분석하여 정확하게 분류합니다."

text_classification
{
    "response": {
        "choice": 3,
        "q_id": 34206743655
    }
}

"이미지 속 텍스트를 정확하고 효율적으로 판독합니다."

ocr_transcription
{
    "transcription": {
        "total": 1829300,
        "store": "삼성전자 주식회사",
        "items": [
            {
                "order": 1,
                "name": "갤럭시 Z플립",
                "price": 1650000
            },
            {
                "order": 2,
                "name": "갤럭시 버즈 +",
                "price": 179300
            }
        ]
    }
}

"음성 인식 엔진 개발을 위해 음성 데이터를 텍스트로 전사합니다."

audio_transcription
{
    "response": {
        "task_id": 5823932913,
        "text": "이런 좋은 에너지와 경기력을 계속 이어간다면 충분히 좋은 시즌을 보내지 않을까 생각한다"
    }
}

"맥락과 상황 파악을 위해 음성 데이터를 기준에 맞게 분류합니다."

audio_categorization
{
    "response": {
        "choice": 2,
        "task_id": 5823932937
    }
}

"음원을 분류하거나 인공지능 학습률 향상을 위해 노이즈 제거 또는 길이를 조정합니다."

audio_segmentation
{
    "response": {
        "task_id": 5823932985,
        "slicing": [
            {
                "category": "jujihoon",
                "file": "https://datamaker.io/api/example/audio_slicing/jujihoon_1.wav"
            },
            {
                "category": "jujihoon",
                "file": "https://datamaker.io/api/example/audio_slicing/jujihoon_2.wav"
            },
            {
                "category": "jujihoon",
                "file": "https://datamaker.io/api/example/audio_slicing/jujihoon_3.wav"
            },
            {
                "category": "baedoona",
                "file": "https://datamaker.io/api/example/audio_slicing/baedoona_1.wav"
            },
            {
                "category": "baedoona",
                "file": "https://datamaker.io/api/example/audio_slicing/baedoona_2.wav"
            },
            {
                "category": "baedoona",
                "file": "https://datamaker.io/api/example/audio_slicing/baedoona_3.wav"
            }
        ]
    }
}

"복수의 언어를 매칭시키는 데이터셋을 구축합니다."

pronunciation_dictation
{
    "response": {
        "choice": 2,
        "task_id": 5823072973
    }
}

How it works

how-it-works
step-1
원천 데이터셋 제공

고객사에서 저희 데이터메이커에
원천 데이터 셋과 작업 가이드라인을 제공합니다.
저희에게 API, .CSV, FTP, 클라우드, JPG 등
다양한 타입의 형태로 전달합니다.

step-1
프로젝트 셋업

프로젝트 준비 및 가이드라인 교육을 진행합니다.
고품질 데이터 생성을 위해 제공해주신 기준으로
작업자들을 교육하는 파일럿 단계입니다.

step-1
데이터 가공 진행

인공지능 전처리 과정을 거쳐 데이터메이커의 전문
작업자들이 데이터 가공을 진행합니다.

step-1
퀄리티 컨트롤

생성되는 모든 데이터에 대해 이중 전수 검수를 실시합니다.
엄격한 기준의 품질관리를 통해 고객사에게 높은 정확도의 데이터를 전달합니다.

step-1
결과물 납품

API 등 고객사 요구에 맞추어 데이터를 전달합니다.

benefit
일반 데이터 가공

빅데이터 솔루션

"웹 데이터를 추출하여 분류된 데이터셋을 API, CSV등의 형태로 전달해 드립니다."

"무작위한 데이터를 일관하게 정제하여 데이터 가공 및 분석 활용성을 극대화합니다."

"데이터를 안전하고 효율적으로 관리할 수 있는 데이터베이스를 구축합니다."

"데이터를 시각적으로 표현하여 정보를 한눈에 효과적으로 볼 수 있도록 제공합니다."

"의뢰 프로젝트에 필요한 서비스 및 기능을 커스텀 개발하여 맞춤형 결과물을 제공합니다."

feature-1
최고 품질

Garbage in, Garbage out!
AI 검수 엔진과 이중 전수 검수 시스템으로
저희의 산출물은 높은 정확도를 자랑합니다.

feature-2
최다 가공량

동일한 라벨링 예산이라면,
저희 데이터메이커가 가장 많은 양의
데이터를 가공해드립니다.

feature-3
강력 보안

데이터메이커 작업자들은
통제된 데이터 랩에서 제공된 디바이스로만
데이터에 접근할 수 있습니다.

데이터 바우처 지원사업으로
최대 7,000만원의 혜택을 받아보세요!

한국데이터산업진흥원이 주관하는 데이터 바우처 지원사업의
수요 기업으로 선정되는 절차는 다음과 같습니다.

데이터바우처 사업 공고 보기
datavoucher
대표 고객사
post
고객사 사례 연구 ✍🏻
의료 음성 데이터 가공기

더 나은 의료서비스를 위한 오디오, 텍스트 데이터 가공 수행기

post
고객사 사례 연구 ✍🏻
시설물 안전점검을 위한 드론 데이터 가공기

드론 촬영 이미지 데이터 시멘틱 세그멘테이션 수행기

post
고객사 사례 연구 ✍🏻
차선 데이터 가공기

자율주행의 기본인 차선 데이터를 폴리라인과 시맨틱 세그멘테이션의 조합으로 가공한 사례입니다.

post
고객사 사례 연구 ✍🏻
횡단보도 보행 보조를 위한 데이터 수집 및 가공기

폴리라인을 이용한 횡단보도 데이터 라벨링 수행기

The Ultimate Data Labeling Platform

데이터메이커에 의뢰하기 👨🏻‍💻

Get Started Now
high_five