더욱 풍성한 기능으로 돌아왔습니다! – 오토클러스터링, 전처리 노드 추가 등

🎉 이번 DAISY 릴리즈에서는 사용성과 기능성을 대폭 향상시킨 다양한 업데이트가 적용되었습니다. 주요 변경 사항을 확인해보세요!

 

✅ 오토클러스터링

유사한 이미지를 자동으로 그룹화해주는 오토클러스터링 기능이 추가되었습니다. 대량의 데이터를 손쉽게 분류하고, 라벨링 시간을 획기적으로 단축하세요!

AIOps 플랫폼 DAISY에서 이미지 데이터의 패턴을 분석해 자동으로 클러스터링 하는 모습

 

라벨링 타입 변경

이제 하나의 라벨 데이터셋으로 다양한 모델을 학습시킬 수 있습니다! 라벨링 타입을 자유롭게 변경하여, 범용성과 재활용성을 극대화하세요.

  • Anomaly Detection ↔︎ Segmentation
  • Anomaly Detection, Segmentation → Object Detection

 

전처리 및 이미지 향상 노드 추가

이미지 품질 개선과 분석 성능 향상을 위한 다양한 노드가 새롭게 추가되었습니다.

  • 전처리 (Denoise / Dehaze): 노이즈 제거 및 흐릿한 이미지를 선명하게 복원
  • ROI (Region of Interest): 관심 영역을 지정해 이미지를 효율적으로 학습

 

✅ 문의하기 기능 추가

사용 중 불편한 점이나 개선 요청이 있으신가요? 이제 플랫폼 내에서 바로 ‘문의하기’ 기능을 통해 쉽게 의견을 전달할 수 있습니다.

[추가 개선 사항]

  • 데이터 스토리지에 그리드 레이아웃 추가: 데이터를 한눈에 보기 쉽게 구성된 그리드 뷰로 확인할 수 있습니다.
  • 프로젝트 리스트에서 썸네일 보기 추가: 각 프로젝트의 대표 이미지를 썸네일로 표시하여 직관적인 탐색이 가능해졌습니다.
  • 라벨링 / 검수 노드 통합: 하나의 노드에서 라벨링과 검수 작업을 함께 처리할 수 있도록 통합하여, 프로세스가 더욱 간편해졌습니다.
  • 노드 N:1 연결 및 복사 기능 추가: 노드의 출력을 여러 노드로 연결하거나 기존 노드를 복사하는 기능으로 작업 흐름이 한층 유연해졌습니다.
  • 평가(Validation) 요청 시 IoU Threshold 입력 기능 개선: 모델 학습 후 평가 시, 사용자 정의 IoU 기준값을 직접 입력할 수 있어 더 정밀한 평가가 가능해졌습니다.
  • Anomaly Detection 모델 학습 시 클래스 입력 방식 개선: 클래스가 없거나 2개 이상인 경우, 학습에 사용할 클래스를 명확히 지정할 수 있도록 개선하였습니다.

 

이번 업데이트를 통해 더 빠르고, 더 똑똑하게 프로젝트를 완성해보세요!

여러분의 소중한 피드백은 항상 환영입니다! 😄