데이터 레이블 지정 프로젝트 만들기 및 레이블 내보내기

Azure Machine Learning에서 이미지에 레이블을 지정하거나 텍스트 데이터에 레이블을 지정하는 프로젝트를 만들고 실행하는 방법을 알아봅니다. 기계 학습 지원 데이터 레이블 지정 또는 루프 레이블이 지정된 사용자를 사용하여 작업을 지원합니다.

데이터 레이블 지정 기능

중요

데이터 이미지 또는 텍스트를 Azure Blob 데이터 저장소에서 사용할 수 있어야 합니다. (기존 데이터 저장소가 없는 경우 프로젝트를 만드는 동안 파일을 업로드할 수 있습니다.)

이미지 데이터는 ".jpg", ".jpeg", ".png", ". jpe", ".jfif", ".bmp", ".tif", "tiff" 등의 형식을 가진 파일일 수 있습니다. 각 파일은 레이블이 지정될 항목입니다. 텍스트 데이터는 ".txt" 또는 ".csv" 파일일 수 있습니다.

  • ".txt" 파일의 경우 각 파일은 레이블이 지정될 하나의 항목을 나타냅니다.
  • ".csv" 파일의 경우 파일의 각 행은 레이블이 지정될 한 항목입니다.

Azure Machine Learning 데이터 레이블 지정은 레이블 지정 프로젝트를 만들고, 관리하고, 모니터링하는 중앙 위치입니다.

  • 데이터, 레이블 및 팀 멤버를 조정하여 레이블 지정 작업을 효율적으로 관리합니다.
  • 진행 상황을 추적하고 불완전한 레이블 지정 작업의 큐를 유지 관리합니다.
  • 프로젝트를 시작 및 중지하고 레이블 지정 진행률을 제어합니다.
  • 레이블이 지정된 데이터를 검토하고 레이블이 지정된 COCO 형식 또는 Azure Machine Learning 데이터 세트로 내보냅니다.

필수 구성 요소

  • 레이블을 지정하려는 데이터(로컬 파일 또는 Azure Blob 스토리지에 있음)
  • 적용하려는 레이블 세트
  • 레이블 지정 지침
  • Azure 구독 Azure 구독이 아직 없는 경우 시작하기 전에 체험 계정을 만듭니다.
  • Machine Learning 작업 영역. Azure Machine Learning 작업 영역 만들기를 참조하세요.

데이터 레이블 지정 프로젝트 만들기

레이블 지정 프로젝트는 Azure Machine Learning에서 관리됩니다. 레이블 지정 프로젝트 페이지를 사용하여 프로젝트를 관리합니다.

데이터가 이미 Azure Blob 스토리지에 있는 경우 레이블 지정 프로젝트를 만들기 전에 해당 스토리지를 데이터 저장소로 사용할 수 있도록 해야 합니다. 데이터 저장소 사용 예제는 자습서: 첫 번째 이미지 분류 레이블 지정 프로젝트 만들기를 참조하세요.

프로젝트를 만들려면 프로젝트 추가 를 선택합니다. 프로젝트에 대한 적절한 이름을 지정하고, 레이블 지정 작업 유형 을 선택합니다. 나중에 프로젝트를 삭제하더라도 프로젝트 이름을 다시 사용할 수 없습니다.

이미지 레이블 지정 프로젝트

  • 이미지 를 선택하여 이미지 레이블 지정 프로젝트를 만듭니다.

    병합 레이블 지정을 위한 레이블 지정 프로젝트 만들기

    • 이미지에 레이블 세트에서 단일 레이블만 적용하려면 프로젝트에 대해 이미지 분류 다중 클래스 를 선택합니다.
    • 이미지에 레이블 세트에서 하나 이상의 레이블을 적용하려면 프로젝트에 대해 이미지 분류 다중 레이블 을 선택합니다. 예를 들어 개의 사진에는 dogdaytime 이라는 레이블이 모두 지정될 수 있습니다.
    • 이미지 내의 각 개체에 레이블과 경계 상자를 할당하려면 프로젝트에 대해 개체 식별(경계 상자) 을 선택합니다.
    • 레이블을 할당하고 이미지 내 각 개체 주위에 다각형을 그리려면 프로젝트에 인스턴스 구분(다각형) 을 선택합니다.
  • 계속할 준비가 되면 다음 을 선택합니다.

텍스트 레이블 지정 프로젝트(미리 보기)

중요

텍스트 레이블 지정은 현재 공개 미리 보기로 제공됩니다. 미리 보기 버전은 서비스 수준 계약 없이 제공되며 프로덕션 워크로드에는 권장되지 않습니다. 특정 기능이 지원되지 않거나 기능이 제한될 수 있습니다. 자세한 내용은 Microsoft Azure Preview에 대한 추가 사용 약관을 참조하세요.

  • 텍스트 를 선택하여 텍스트 레이블 지정 프로젝트를 만듭니다.

    텍스트 레이블 지정을 위한 레이블 지정 프로젝트 만들기

    • 각 텍스트에 레이블 세트의 단일 레이블 만 적용하려면 프로젝트에 대해 텍스트 분류 다중 클래스(미리 보기) 를 선택합니다.
    • 각 텍스트에 레이블 세트의 레이블을 하나 이상 적용하려면 프로젝트에 대해 텍스트 분류 다중 레이블(미리 보기) 을 선택합니다.
  • 계속할 준비가 되면 다음 을 선택합니다.

레이블을 지정할 데이터 지정

데이터가 포함된 데이터 세트를 이미 만든 경우 기존 데이터 세트 선택 드롭다운 목록에서 해당 데이터 세트를 선택합니다. 또는 데이터 세트 만들기 를 선택하여 기존 Azure 데이터 저장소를 사용하거나 로컬 파일을 업로드합니다.

참고

프로젝트에는 500,000개가 넘는 파일을 포함할 수 없습니다. 데이터 세트에 더 많은 데이터가 있는 경우 처음 500,000개의 파일만 로드됩니다.

Azure 데이터 저장소에서 데이터 세트 만들기

대부분의 경우 로컬 파일만 업로드해도 괜찮습니다. 그러나 Azure Storage Explorer는 대량의 데이터를 더 빠르고 강력하게 전송할 수 있는 방법을 제공합니다. 파일을 이동하는 기본 방법으로 Storage Explorer를 사용하는 것이 좋습니다.

Azure Blob 스토리지에 이미 저장한 데이터에서 데이터 세트를 만들려면 다음을 수행합니다.

  1. 데이터 세트 만들기 > 데이터 저장소에서 를 차례로 선택합니다.
  2. 이름 을 데이터 세트에 할당합니다.
  3. 데이터 세트 형식 을 선택합니다. 파일 데이터 세트 형식만 이미지에 대해 지원됩니다. 파일 및 테이블 형식을 텍스트 레이블 지정에 사용할 수 있습니다.
  4. 데이터 저장소를 선택합니다.
  5. 데이터가 Blob 스토리지 내의 하위 폴더에 있으면 찾아보기 를 선택하여 경로를 선택합니다.
    • 선택한 경로의 하위 폴더에 있는 모든 파일을 포함하려면 "/**"를 경로에 추가합니다.
    • 현재 컨테이너 및 해당 하위 폴더에 있는 모든 데이터를 포함하려면 "* / .*"를 추가합니다.
  6. 데이터 세트에 대한 설명을 제공합니다.
  7. 다음 을 선택합니다.
  8. 세부 정보를 확인합니다. 뒤로 를 선택하여 설정을 수정하거나, 만들기 를 선택하여 데이터 세트를 만듭니다.

업로드된 데이터에서 데이터 세트 만들기

데이터를 직접 업로드하려면 다음을 수행합니다.

  1. 데이터 세트 만들기 > 로컬 파일에서 를 차례로 선택합니다.
  2. 이름 을 데이터 세트에 할당합니다.
  3. 데이터 세트 형식 을 선택합니다. 파일 데이터 세트 형식만 이미지에 대해 지원됩니다. 파일 및 테이블 형식을 텍스트 레이블 지정에 사용할 수 있습니다.
  4. 선택 사항: 데이터의 데이터 저장소, 컨테이너 및 경로를 사용자 지정하려면 고급 설정 을 선택합니다.
  5. 찾아보기 를 선택하여 업로드할 로컬 파일을 선택합니다.
  6. 데이터 세트에 대한 설명을 제공합니다.
  7. 다음 을 선택합니다.
  8. 세부 정보를 확인합니다. 뒤로 를 선택하여 설정을 수정하거나, 만들기 를 선택하여 데이터 세트를 만듭니다.

데이터는 Machine Learning 작업 영역의 기본 Blob 저장소("workspaceblobstore")에 업로드됩니다.

증분 새로 고침 구성

데이터 세트에 새 파일을 추가하려는 경우 증분 새로 고침을 사용하여 이러한 새 파일을 프로젝트에 추가합니다. 증분 새로 고침을 사용하도록 설정하면 레이블 지정 완성율에 따라 새 이미지가 프로젝트에 추가될 수 있도록 정기적으로 데이터 세트를 확인합니다. 프로젝트에 최대 500,000개의 파일이 포함되어 있으면 새 데이터에 대한 확인이 중지됩니다.

프로젝트에 파일을 더 추가하려면 Azure Storage Explorer를 사용하여 Blob Storage의 적절한 폴더에 업로드합니다.

프로젝트에서 데이터 저장소의 새 데이터를 지속적으로 모니터링하려면 증분 새로 고침 사용 확인란을 선택합니다. 새로 고침을 사용하도록 설정하면 하루에 한 번 이 데이터가 프로젝트로 풀링되므로, 데이터 저장소에 새 데이터를 추가한 후 해당 데이터가 프로젝트에 표시될 때까지 기다려야 합니다. 프로젝트의 세부 정보 탭에 있는 증분 새로 고침 섹션에서 데이터의 마지막 새로 고침 시간에 대한 타임스탬프를 볼 수 있습니다.

데이터 저장소에 표시되는 새 파일을 프로젝트에 추가하지 않으려면 이 확인란을 선택 취소합니다.

레이블 클래스 지정

레이블 클래스 페이지에서 데이터를 분류할 클래스 세트를 지정합니다. 레이블 지정자의 정확도와 속도는 클래스 중에서 선택할 수 있는 기능에 의해 영향을 받습니다. 예를 들어 식물이나 동물에 대한 전체 속과 종을 자세히 설명하는 대신, 필드 코드를 사용하거나 속을 약어 형식으로 축약합니다.

행당 하나의 레이블을 입력합니다. + 단추를 사용하여 새 행을 추가합니다. 레이블의 수가 3개 또는 4개를 초과하지만 10개 미만인 경우 레이블 지정자에서 숫자 키를 사용하여 작업 속도를 높일 수 있도록 이름 앞에 숫자 키("1: ", "2: ")를 접두사로 붙이는 것이 좋습니다.

데이터 레이블 지정 작업 설명

레이블 지정 작업을 명확하게 설명하는 것이 중요합니다. 레이블 지정 지침 페이지에서 레이블 지정 지침이 있는 외부 사이트에 대한 링크를 추가하거나 페이지의 편집 상자에서 지침을 제공할 수 있습니다. 작업 지향적이고 대상 그룹에 적합한 지침을 유지합니다. 고려해야 하는 질문은 다음과 같습니다.

  • 어떤 레이블을 표시하고, 이 중에서 선택하려면 어떻게 해야 하나요? 참조할 참조 텍스트가 있나요?
  • 적절한 레이블이 없는 경우 어떻게 해야 하나요?
  • 여러 개의 레이블이 적절한 것으로 보이는 경우 어떻게 해야 하나요?
  • 레이블에 적용해야 하는 신뢰도 임계값은 무엇인가요? 확실하지 않은 경우 "최고의 추측"을 원하나요?
  • 관심 있는 개체가 부분적으로 폐색되거나 겹치는 경우 어떻게 해야 하나요?
  • 관심 있는 개체가 이미지의 가장자리에서 잘리는 경우 어떻게 해야 하나요?
  • 레이블을 제출한 후에 잘못되었다고 생각하는 경우 어떻게 해야 하나요?

경계 상자와 관련하여 중요한 질문은 다음과 같습니다.

  • 이 작업에 대한 경계 상자는 어떻게 정의되나요? 전적으로 개체의 내부에 있어야 하나요, 아니면 외부에 있어야 하나요? 최대한 가깝게 잘라야 하나요, 아니면 약간의 여유 공간이 허용되나요?
  • 레이블 지정자에서 경계 상자를 정의하는 경우 적용해야 하는 주의 사항과 일관성의 수준은 어떻게 되나요?
  • 이미지에서 부분적으로 표시된 개체에 레이블을 지정하는 방법은 무엇인가요?
  • 다른 개체에서 부분적으로 포함하고 있는 개체에 레이블을 지정하는 방법은 무엇인가요?

참고

레이블 지정자는 1-9 숫자 키를 사용하여 처음 9개의 레이블을 선택할 수 있습니다.

ML 지원 데이터 레이블 지정 사용

ML 지원 레이블 지정 페이지를 사용하면 자동 기계 학습 모델을 트리거하여 레이블 지정 작업을 가속화할 수 있습니다. 이 페이지는 이미지 레이블 지정에만 사용할 수 있습니다.

레이블 지정 프로젝트가 시작될 때 잠재적인 편차를 줄이기 위해 항목이 임의의 순서로 섞입니다. 그러나 데이터 세트에 있는 모든 편차는 학습된 모델에 반영됩니다. 예를 들어 항목의 80%가 단일 클래스인 경우 모델을 학습시키는 데 사용되는 데이터의 약 80%가 해당 클래스의 데이터입니다. 이 학습에는 활성 학습이 포함되지 않습니다.

ML 지원 레이블 지정 사용 을 선택하고, 지원 레이블 지정을 사용하도록 설정할 GPU를 지정합니다. 이는 다음 두 단계로 구성됩니다.

  • 클러스터링(이미지 레이블 지정)
  • 사전 레이블 지정

지원 레이블 지정을 시작하는 데 필요한 레이블 지정 데이터의 정확한 수는 고정된 수가 아닙니다. 이는 레이블 지정 프로젝트마다 크게 다를 수 있습니다. 일부 프로젝트의 경우 레이블이 300개의 항목에 수동으로 지정되면 사전 레이블 또는 클러스터 작업을 볼 수 있는 경우가 있습니다. ML 지원 레이블 지정에서는 미리 학습된 모델을 사용하여 학습 프로세스를 시작하는 전이 학습 이라는 기술을 사용합니다. 데이터 세트의 클래스가 미리 학습된 모델의 클래스와 비슷한 경우 레이블이 수백 개의 항목에 수동으로 지정된 후에만 사전 레이블을 사용할 수 있습니다. 데이터 세트가 모델을 미리 학습하는 데 사용되는 데이터와 크게 다른 경우 훨씬 더 오래 걸릴 수 있습니다.

최종 레이블에서 여전히 레이블 지정자의 입력을 사용하므로 이 기술을 사용자 참여형 레이블 지정이라고 하는 경우도 있습니다.

참고

ML 지원 데이터 레이블 지정은 가상 네트워크 뒤에 보호되는 기본 스토리지 계정을 지원하지 않습니다. ML 지원 데이터 레이블 지정에는 기본이 아닌 스토리지 계정을 사용해야 합니다. 기본이 아닌 스토리지 계정은 가상 네트워크 뒤에서 보호할 수 있습니다.

Clustering

특정 개수의 레이블이 제출되면 분류를 위한 기계 학습 모델이 유사한 항목의 그룹화를 시작합니다. 이러한 비슷한 이미지는 수동 태그 지정 속도를 높이기 위해 동일한 화면의 레이블 지정자에 표시됩니다. 클러스터링은 레이블 지정자에서 4, 6 또는 9개의 이미지 그리드를 표시할 때 특히 유용합니다.

기계 학습 모델이 수동으로 레이블이 지정된 데이터에 대해 학습되면 모델은 마지막으로 완전히 연결된 계층으로 잘립니다. 그런 다음, 레이블이 없는 이미지가 일반적으로 "포함" 또는 "기능화"라고 알려진 프로세스에서 잘린 모델을 통과합니다. 이렇게 하면 각 이미지가 이 모델 계층에서 정의한 상위 차원 공간에 포함됩니다. 클러스터링 작업에는 공간에서 가장 가까운 이미지가 사용됩니다.

개체 감지 모델 또는 텍스트 분류에 대해서는 클러스터링 단계가 표시되지 않습니다.

사전 레이블 지정

충분한 레이블이 제출되면 분류 모델을 사용하여 태그를 예측합니다. 또는 개체 검색 모델을 사용하여 경계 상자를 예측할 수 있습니다. 이제 레이블 지정자에는 이미 각 항목에 있는 예측된 레이블이 포함된 페이지가 표시됩니다. 개체 검색의 경우 예측 상자도 표시됩니다. 그런 다음, 페이지를 제출하기 전에 이러한 예측을 검토하고 레이블이 잘못 지정된 이미지를 수정합니다.

기계 학습 모델이 수동으로 레이블이 지정된 데이터에 대해 학습되면 수동으로 레이블이 지정된 항목의 테스트 세트에 대해 모델을 평가하여 서로 다른 신뢰도 임계값으로 정확도를 결정합니다. 이 평가 프로세스는 사전 레이블을 표시할 만큼 충분히 정확한 모델의 신뢰도 임계값을 결정하는 데 사용됩니다. 그런 다음, 레이블이 없는 데이터에 대해 모델을 평가합니다. 이 임계값보다 더 확실한 예측이 있는 항목은 사전 레이블 지정에 사용됩니다.

데이터 레이블 지정 프로젝트 초기화

레이블 지정 프로젝트가 초기화되면 프로젝트의 일부 측면을 변경할 수 없습니다. 작업 유형 또는 데이터 세트는 변경할 수 없습니다. 작업 설명에 대한 레이블과 URL은 수정할 수 있습니다. 먼저 설정을 신중하게 검토한 후에 프로젝트를 만들어야 합니다. 프로젝트가 제출되면 데이터 레이블 지정 홈 페이지로 돌아갑니다. 이 페이지에는 프로젝트가 초기화 중 으로 표시됩니다.

참고

이 페이지는 자동으로 새로 고쳐지지 않습니다. 따라서 일시 중지한 후에 페이지를 수동으로 새로 고쳐 프로젝트의 상태가 만들어짐 인지 확인합니다.

프로젝트 실행 및 모니터링

프로젝트가 초기화되면 Azure에서 해당 프로젝의 실행을 시작합니다. 기본 데이터 레이블 지정 페이지에서 프로젝트를 선택하여 프로젝트 세부 정보를 봅니다.

프로젝트를 일시 중지하거나 다시 시작하려면 오른쪽 위에서 실행 중 상태를 전환합니다. 프로젝트가 실행되는 경우에만 레이블을 데이터에 지정할 수 있습니다.

대시보드

대시보드 탭에는 레이블 지정 작업의 진행률이 표시됩니다.

데이터 레이블 지정 대시보드

진행률 차트에는 레이블이 지정된 항목 수와 아직 지정되지 않은 항목 수가 표시됩니다. 보류 중인 항목은 다음과 같을 수 있습니다.

  • 작업에 아직 추가되지 않음
  • 레이블 지정자에 할당되었지만 아직 완료되지 않은 작업에 포함됨
  • 아직 할당되지 않은 작업 큐에 있음

가운데 섹션에는 아직 할당되지 않은 작업 큐가 표시됩니다. ML 지원 레이블 지정이 해제된 경우, 이 섹션에는 할당할 수동 작업 수가 표시됩니다. ML 지원 레이블 지정이 설정된 경우 다음 사항도 표시됩니다.

  • 큐의 클러스터된 항목을 포함하는 작업
  • 큐의 미리 레이블이 지정된 항목을 포함하는 작업

또한 ML 지원 레이블 지정을 사용하는 경우 다음 학습 실행이 발생하는 경우 작은 진행률 표시줄이 보입니다. 실험 섹션에는 각 기계 학습 실행에 대한 링크가 제공됩니다.

  • 학습 - 레이블을 예측하도록 모델 교육
  • 유효성 검사 - 이 모델의 예측을 항목에 미리 레이블을 지정하는 데 사용할지 여부를 결정
  • 유추 - 새 항목에 대한 예측 실행
  • 기능화 - 클러스터 항목(이미지 분류 프로젝트에만 해당)

오른쪽에는 완료된 작업에 대한 레이블 분포가 있습니다. 일부 프로젝트 형식은 항목에 여러 레이블이 있을 수 있으며, 이런 경우 레이블의 총 합계가 총 합계 항목보다 클 수 있습니다.

데이터 탭

데이터 탭에서 데이터 세트를 보고, 레이블이 지정된 데이터를 검토할 수 있습니다. 잘못된 레이블이 지정된 데이터가 표시되면 이를 선택하고 거부 를 선택합니다. 그러면 해당 레이블이 제거되고, 해당 데이터를 레이블이 지정되지 않은 큐에 다시 넣습니다.

자세히 탭

프로젝트에 대한 세부 정보를 봅니다. 이 탭에서는 다음을 수행할 수 있습니다.

  • 프로젝트 세부 정보 및 입력 데이터 세트 보기
  • 증분 새로 고침을 사용하도록 설정
  • 프로젝트에 레이블이 지정된 출력을 저장하는 데 사용되는 스토리지 컨테이너의 세부 정보 보기
  • 프로젝트에 레이블 추가
  • 레이블에 지정하는 지침 편집
  • ML 지원 레이블 지정에 대한 세부 정보(사용/사용 안 함 포함) 편집

레이블 지정자에 대한 액세스

작업 영역에 액세스할 수 있는 사람은 누구나 프로젝트의 데이터에 레이블을 지정할 수 있습니다. 레이블 지정에는 액세스할 수 있지만 작업 영역의 다른 부분이나 레이블 지정 프로젝트에는 액세스할 수 없도록 레이블 지정자에 대한 권한을 사용자 지정할 수도 있습니다. 자세한 내용은 Azure Machine Learning 작업 영역에 대한 액세스 관리를 참조하고 레이블 지정자 사용자 지정 역할을 만드는 방법을 알아보세요.

프로젝트에 새 레이블 클래스 추가

데이터 레이블 지정 프로세스 중에 이미지를 분류하는 데 필요한 추가 레이블이 있을 수 있습니다. 예를 들어 "알 수 없음" 또는 "기타" 레이블을 추가하여 혼란스러운 이미지를 나타낼 수 있습니다.

다음 단계를 사용하여 하나 이상의 레이블을 프로젝트에 추가합니다.

  1. 기본 데이터 레이블 지정 페이지에서 프로젝트를 선택합니다.
  2. 페이지의 오른쪽 위에서 실행 중일시 중지됨 으로 전환하여 레이블 지정자의 활동을 중지합니다.
  3. 세부 정보 탭을 선택합니다.
  4. 왼쪽에 있는 목록에서 레이블 클래스 를 선택합니다.
  5. 목록 맨 위에서 + 레이블 추가 레이블 추가를 선택합니다.
  6. 양식에서 새 레이블을 추가하고 계속하는 방법을 선택합니다. 사용할 수 있는 레이블을 변경했으므로 이미 레이블이 지정된 데이터를 처리하는 방법을 선택합니다.
    • 기존 레이블을 모두 제거하여 다시 시작합니다. 처음부터 새 전체 레이블 세트로 레이블 지정을 시작하려면 이 옵션을 선택합니다.
    • 기존 레이블을 모두 유지하여 다시 시작합니다. 모든 데이터를 레이블이 지정되지 않은 상태로 표시하지만 이전에 레이블이 지정된 이미지에 대한 기본 태그로 기존 레이블을 유지하려면 이 옵션을 선택합니다.
    • 기존 레이블을 모두 유지하여 계속합니다. 이미 레이블이 지정된 모든 데이터를 그대로 유지하려면 이 옵션을 선택하고, 아직 레이블이 지정되지 않은 데이터에 대해서는 새 레이블 사용을 시작합니다.
  7. 새 레이블에 대한 지침 페이지를 필요에 따라 수정합니다.
  8. 새 레이블을 모두 추가했으면 페이지 오른쪽 위에서 일시 중지됨실행 중 으로 전환하여 프로젝트를 다시 시작합니다.

레이블 내보내기

레이블 지정 프로젝트의 프로젝트 세부 정보 페이지에서 내보내기 단추를 사용합니다. 레이블 데이터는 Machine Learning 실험을 위해 언제든지 내보낼 수 있습니다.

Machine Learning의 데이터 세트 섹션에서 내보낸 Azure Machine Learning 데이터 세트에 액세스합니다. 데이터 세트 세부 정보 페이지에는 Python에서 레이블에 액세스할 수 있는 샘플 코드도 있습니다.

내보낸 데이터 세트

문제 해결

이러한 문제가 발생하면 다음 팁을 사용하세요.

문제 해결 방법
Blob 데이터 저장소에 생성된 데이터 세트만 사용할 수 있습니다. 이는 현재 릴리스의 알려진 제한 사항입니다.
생성 후 프로젝트는 오랜 시간 동안 "초기화 중"을 표시합니다. 페이지를 수동으로 새로 고칩니다. 초기화는 초당 약 20개의 데이터 지점에서 진행되어야 합니다. 자동 새로 고침의 부족은 알려진 문제입니다.
이미지를 검토할 때 새로 레이블이 지정된 이미지는 표시되지 않습니다. 레이블이 지정된 모든 이미지를 로드하려면 첫 번째 단추를 선택합니다. 첫 번째 단추를 클릭하면 목록의 맨 앞으로 돌아가지만 레이블이 지정된 모든 데이터가 로드됩니다.
개체 검색에 대한 레이블을 지정하는 동안 Esc 키를 누르면 왼쪽 위 모서리에 크기가 0인 레이블이 생성됩니다. 이 상태의 레이블 제출은 실패합니다. 레이블 옆에 있는 십자 표시를 클릭하여 레이블을 삭제합니다.
특정 레이블 지정자에게 작업 세트를 할당할 수 없습니다. 이는 현재 릴리스의 알려진 제한 사항입니다.

다음 단계