LISA

비전문가도 활용 가능한 직관적인 UI

모델 성능에 대한 상세 지표와 시각적 히트맵을 제공해
AI 모델 개발과 활용에 대한 가시성을 확보합니다.

모델 성능에 대한 상세 지표와 시각적 히트맵을 제공해 AI 모델 개발과 활용에 대한 가시성을 확보합니다.

모델 성능에 대한 상세 지표 제공

LISA는 다양한 성능 지표를 자동으로 계산하고, 예측 결과와 실제 결과에 대한 비율을 직관적으로 확인할 수 있도록 일치/미검/과검에 대한 상세 Confusion matrix를 제공합니다. 이를 통해 사용자는 모델의 종합적인 성능을 파악할 수 있으며, 서로 다른 모델 간 성능을 비교해 특정 응용 분야에 가장 적합한 모델을 빠르게 찾고 적용할 수 있습니다. 

• mIoU : 예측된 결과와 ‘정답’이 얼마나 겹쳤는지 나타내는 지표입니다. (예 : 모델이 자동차를 예측한 영역과 실제 자동차 영역이 얼마나 중첩되는지를 평가하여 mIoU를 계산합니다.)  
• Recall(재현율) : 실제로 ‘정답’인 데이터 가운데 모델이 ‘정답’으로 예측한 비율을 나타냅니다. (예: 이미지의 모든 자동차 중 모델이 자동차로 분류한 비율입니다.) 
• Accuracy(정확도) : 모델이 전체 데이터 중에서 얼마나 많은 예측을 정확하게 했는지를 나타냅니다. (예: 전체 이미지 중 자동차와 비(非)자동차를 올바르게 분류한 비율입니다.)  
• Precision(정밀도) : 모델이 ‘정답’이라고 예측한 경우 중 실제로 ‘정답’인 경우의 비율을 말합니다. (예: 모델이 자동차로 예측한 것 중에서 실제로 자동차인 비율입니다.) 
• mAP: 정답을 찾아내는 측면에서 모델의 성능을 측정하는 지표입니다. AP의 평균값을 나타내며 값이 높을수록 성능이 우수합니다. (예: 모델이 모든 자동차에 대해 예측한 정확도와 실제 자동차의 비율을 고려하여 계산한 값입니다.)  
• F1-Score : 정밀도와 재현율의 조화 평균을 나타내며, 두 지표가 얼마나 잘 균형을 이루고 있는지를 보여줍니다. (예: 정밀도와 재현율이 모두 중요한 프로젝트인 경우 F1-Score를 보고 두 지표의 균형을 평가할 수 있습니다.)

평가 및 테스트 리포트, 현황 대시보드 자동 생성 

LISA는 모델 검증(Validation)과 테스트(Test) 완료 후 상세 리포트를 자동 생성합니다. 사용된 알고리즘, 학습 프리셋 설정, 학습 데이터 구성, 클래스별 Confusion matrix 등 모델에 대한 핵심 정보가 담기게 됩니다. 이를 통해 사용자는 모델의 정밀도와 재현율 등을 확인하고, 모델의 약점을 개선하기 위한 전략을 수립할 수 있습니다. 또한, 개별 이미지의 양/불 판정 결과가 포함되므로 사용자는 특정 이미지나 클래스에서 발생하는 문제를 더 자세히 분석할 수 있습니다.  

리포트는 HTML 형식으로 내보낼 수 있습니다. 누구나 웹 브라우저를 통해 쉽게 열람하고 공유할 수 있습니다. 이는 프로젝트 진행 상황을 명료하게 전달하고 팀원 간 협업을 촉진하는 데 도움이 됩니다. HTML 리포트를 다른 형식으로 변환해 다양한 용도로 활용할 수 있습니다.

이미 수많은 파트너 기업이 LISA를 통해
산업용 AI를 성공적으로 도입하여
비즈니스 성장을 견인하고 있습니다.

이미 수많은 파트너 기업이 LISA를 통해 산업용 AI를 성공적으로 도입하여 비즈니스 성장을 견인하고 있습니다.

Next Step →

LISA의 도움을 받아 AI 모델의 성능을 깊이 이해하고, 목표를 쉽고 빠르게 달성하세요.