The Ultimate Data Labeling Platform
데이터메이커

Get Started Now
benefit
DATA LABELING FOR AI

인공지능 학습용 데이터 라벨링 솔루션

"영상 속 보행자, 자동차, 신호등, 트럭을 바운딩박스로 표시하세요."

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

"이미지 속의 모든 물체에 보행자, 자동차, 신호등, 차선 등에 클래스를 부여하세요."

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

"이미지에 있는 모든 집을 바운딩박스로 표시하세요."

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

"이미지에 있는 모든 거북이를 Polygon으로 표시하세요."

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
        }
    ]
}
상세보기

"아래 도로 이미지에서의 차선을 모두 Polyline으로 표시하세요."

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
        }
    ]
}
상세보기

"이미지 속 주요 특징점에 키포인트를 지정하세요."

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

"다음 문장을 읽고, 이동수단에 해당하는 텍스트를 선택해주세요."

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

"다음 대화의 가장 적합한 감정을 선택하세요."

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

"다음 주제 및 상황에 알맞는 답변을 작성하세요."

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

"다음 텍스트를 읽고 가장 적절한 답변을 고르세요."

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

"다음 이미지를 보고 각각 주어진 필드를 작성해 주세요."

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

"다음 음원을 듣고 음원의 내용을 텍스트로 작성하세요."

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

"다음 음원 파일을 듣고 올바른 답변을 골라주세요."

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

"다음 음원 파일을 듣고 주지훈 배우의 목소리와 배두나 배우의 목소리를 구간별로 분리하세요."

audio_segmentation
{
    "response": {
        "task_id": 5823932985,
        "slicing": [
            {
                "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": "jujihoon"
            },
            {
                "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",
                "category": "baedoona"
            }
        ]
    }
}
상세보기

"다음 단어에 대한 올바른 발음을 선택해주세요."

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

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.

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

데이터메이커는 폴리라인을 이용하여 횡단보도 데이터를 어떻게 라벨링 했을까요?

The Ultimate Data Labeling Platform

데이터메이커에 의뢰하기 👨🏻‍💻

Get Started Now
high_five