개요
소매 기술 기업이 컴퓨터 비전 플랫폼 구축을 위해 Sourcefit과 협력하여 AI 훈련 데이터 세트의 정확성과 일관성을 개선했습니다. 해당 플랫폼은 매장 내 진열대 이미지를 분석하여 제품 배치, 품절 상태 및 상품 진열 문제를 감지합니다. 모델 성능을 강화하기 위해 고객사는 대량의 정확하게 태그된 이미지와 신뢰할 수 있는 인간이 개입하는 품질 보증 프로세스가 필요했습니다.
소스핏은 수천 장의 진열대 이미지를 대상으로 이미지 태깅, 시각적 QA 검사, 품질 검증을 처리하는 전용 주석 프로그램을 설계하고 현재 운영 중입니다. 해당 팀은 투명한 원가 가산 모델로 운영되며 일관된 정확도, 안정적인 처리량, 체계적인 생산 워크플로를 유지합니다.
도전 과제
- 컴퓨터 비전 모델은 제품, 진열대, 가격 및 이미지 수준 조건에 대한 고품질 주석이 필요했습니다.
- 대규모 훈련 데이터셋에는 일관된 정확도를 유지할 수 있는 확장 가능한 팀이 필요했다.
- 태깅 표준 운영 절차(SOP)는 상세하게 규정되어 있으며, 정확한 분할 및 라벨링을 보장하기 위해 교육이 필요했습니다.
- 흐림, 반사, 각도 변화와 같은 이미지 수준 문제들을 식별해야 했다
- 고객사는 복잡한 소매 환경 전반에 걸쳐 정확성을 유지하기 위해 신뢰할 수 있는 품질 보증(QA) 및 교정이 필요했습니다.
접근 방식
소스핏은 고객사의 라벨링 플랫폼과 시각적 기준에 직접 훈련된 전담 주석 및 품질 보증 팀을 구축하고 운영합니다. 해당 팀은 소매 이미지 요구사항, 태깅 정확도, 골드 세트 정렬에 중점을 둔 체계적인 교육 프로그램을 통해 온보딩되었습니다.
설정하는 동안 Sourcefit:
- 제품 수준 태깅 및 진열대 세분화에 대한 합의를 도출하기 위한 교정 세션을 진행했습니다.
- 소매업 특화 표준 운영 절차(SOP) 수립: 상세한 바운딩 박스 및 다각형 주석 작업
- 골드 세트에 대한 실시간 검증을 통한 다단계 QA 구현
- 정확도, 처리량 및 오류 추세에 대한 일일 보고 설정
- 복잡한 선반 이미지 전반에 걸쳐 태거 일관성을 개선하기 위한 피드백 루프 생성
현재 Sourcefit는 이미지 태깅, 이미지 수준 품질 검사, QA 검증의 전 과정을 관리하며, 고객사는 이를 컴퓨터 비전 모델 훈련 및 지속적인 개선에 활용합니다.
결과
- 고객사의 95% 정확도 기준을 지속적으로 초과 달성했습니다
- 소매 컴퓨터 비전 워크플로우를 위한 강화된 훈련 데이터셋 품질
- 다양한 매장 레이아웃과 상품 구성에 걸친 태깅 일관성 개선
- 안정적이고 대량의 이미지 주석을 제공하며 매일 QA 검증을 수행함
- 더 빠르고 안정적인 모델 훈련 주기 구현
주요 요점
- 주석 품질이 성능을 좌우합니다: 신뢰할 수 있는 선반 모니터링 컴퓨터 비전 모델을 훈련시키기 위해서는 높은 정확도의 이미지 태깅이 필수적입니다.
- 명확한 기준은 일관성을 지원합니다: 상세한 표준 운영 절차(SOP), 교정 세션, 골드 세트 검증을 통해 대규모 및 복잡한 소매 데이터셋 전반에 걸쳐 주석이 일관되게 유지됩니다.
- 확장 가능한 팀은 성장을 가능케 합니다: 전담 주석 및 품질 보증 팀을 통해 고객사는 정확도나 처리량에 대한 통제력을 잃지 않으면서도 훈련 데이터 양을 늘릴 수 있습니다.
업계에서 얻은 교훈
소매 컴퓨터 비전 시스템은 실제 환경에서 정확성을 유지하기 위해 강력한 주석 작업과 품질 보증(QA) 운영에 의존합니다. 매장, 비품, 조명 조건에 따라 카메라 이미지가 크게 달라지기 때문에 모델 신뢰성을 위해 상세한 인적 검토가 필수적입니다. 본 사례는 구조화된 이미지 태깅과 인적 검증(Human in the Loop)이 소매 AI 플랫폼의 탐지 성능 향상, 잡음 감소, 훈련 주기 가속화에 어떻게 기여하는지 보여줍니다.
자세히 알아보기
소스핏은 확장 가능한 어노테이션, QA 및 데이터 운영 팀을 통해 AI 및 컴퓨터 비전 기업을 지원합니다.
자동화 및 워크플로 지원을 위한 WorkingAI와 소매 및 기술 플랫폼을 지원하는 고객 대응 운영을 위한 SourceCX를 살펴보세요.
확장 가능한 주석 및 데이터 라벨링 솔루션을 탐색하려면 AI 운영팀에 문의하십시오.
