데이터메이커

AI 데이터 가공

인공지능 학습용 데이터 라벨링 솔루션

컴퓨터비전
자연어처리
음성인식

Video Annotation

Semantic Segmentation

Bounding Box

Polygon

Polyline

Keypoint

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

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

상세보기

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

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

상세보기

"이미지, 영상 데이터 속 객체를 박스로 지정하여 라벨링 합니다."

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

상세보기

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

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

상세보기

"차선 등의 선형 이미지 데이터를 픽셀단위까지 정확하게 라벨링합니다."

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

상세보기

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

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

상세보기

Named Entity Recognition

Sentiment & Intent Analysis

Utterance Collection

Text Classification

OCR Transcription

"개체명 인식으로 자연어 의미를 파악하여 유형을 식별합니다."

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

상세보기

"자연어의 감정이나 의도 등을 분석하여 분류합니다."

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

상세보기

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

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

상세보기

"텍스트의 유형 및 맥락을 분석하여 정확하게 분류합니다."

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

상세보기

"이미지 속 텍스트를 정확하고 효율적으로 판독합니다."

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

상세보기

Audio Transcription

Audio Categorization

Audio Segmentation

Pronunciation Dictation

"음성 인식 엔진 개발을 위해 음성 데이터를 텍스트로 전사합니다."

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

상세보기

"맥락과 상황 파악을 위해 음성 데이터를 기준에 맞게 분류합니다."

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

상세보기

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

{
    "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

"복수의 언어를 매칭시키는 데이터셋을 구축합니다."

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

상세보기

How it works

원천 데이터셋 제공

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

프로젝트 셋업

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

데이터 가공 진행

인공지능 전처리 과정을 거쳐 데이터메이커의 전문
작업자들이 데이터 가공을 진행합니다.

퀄리티 컨트롤

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

결과물 납품

API 등 고객사 요구에 맞추어 데이터를 전달합니다.

일반 데이터 가공

빅데이터 솔루션

데이터 크롤링

데이터 전처리

데이터베이스 구축

데이터 시각화

커스텀 개발

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

상세보기

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

상세보기

"데이터를 안전하고 효율적으로 관리할 수 있는 데이터베이스를 구축합니다."

상세보기

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

상세보기

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

상세보기

최고 품질

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

최다 가공량

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

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

대표 고객사

고객사 사례 연구 ✍🏻

의료 음성 데이터 가공기

더 나은 의료서비스를 위한 오디오, 텍스트 데이터 가공 수행기

고객사 사례 연구 ✍🏻

시설물 안전점검을 위한 드론 데이터 가공기

드론 촬영 이미지 데이터 시멘틱 세그멘테이션 수행기

고객사 사례 연구 ✍🏻

차선 데이터 가공기

자율주행의 기본인 차선 데이터를 폴리라인과 시맨틱 세그멘테이션의 조합으로 가공한 사례입니다.

고객사 사례 연구 ✍🏻

횡단보도 보행 보조를 위한 데이터 수집 및 가공기

폴리라인을 이용한 횡단보도 데이터 라벨링 수행기

The Ultimate Data Labeling Platform 데이터메이커

2020 데이터바우처 지원사업

AI 가공 7,000만원

일반 가공 4,500만원

AI 데이터 가공

인공지능 학습용 데이터 라벨링 솔루션

Video Annotation

Semantic Segmentation

Bounding Box

Polygon

Polyline

Keypoint

Named Entity Recognition

Sentiment & Intent Analysis

Utterance Collection

Text Classification

OCR Transcription

Audio Transcription

Audio Categorization

Audio Segmentation

Pronunciation Dictation

How it works

원천 데이터셋 제공

프로젝트 셋업

데이터 가공 진행

퀄리티 컨트롤

결과물 납품

일반 데이터 가공

빅데이터 솔루션

데이터 크롤링

데이터 전처리

데이터베이스 구축

데이터 시각화

커스텀 개발

최고 품질

최다 가공량

강력 보안

데이터 바우처 지원사업으로 최대 7,000만원의 혜택을 받아보세요!

대표 고객사

의료 음성 데이터 가공기

시설물 안전점검을 위한 드론 데이터 가공기

차선 데이터 가공기

횡단보도 보행 보조를 위한 데이터 수집 및 가공기

데이터메이커에 의뢰하기 👨🏻‍💻

The Ultimate Data Labeling Platform
데이터메이커

데이터 바우처 지원사업으로
최대 7,000만원의 혜택을 받아보세요!