AI 학습용 차량 이미지 데이터 수집 사례: 번호판 이미지 25,000장 구축
왜 차량 번호판 이미지가 필요했을까?
A사는 대표적인 자동차 제조 기업으로, 비전 AI 기반의 서비스를 만들기 위해 AI 모델 개발과 고도화가 필요한 상황이었습니다. 이를 위해 차량 번호판과 차대 스티커(차량 고유 식별 정보)를 AI가 자동으로 인식할 수 있도록, 대규모 이미지 학습 데이터가 필요했는데요. 자체 인력만으로는 수만 건에 달하는 이미지를 수집하고 관리하는 데에 한계가 있었습니다.
A사가 크라우드웍스를 선택한 이유
“이미 검증된 파트너예요.”
A사와는 PoC와 1차 사업을 진행하며 이미 협업한 경험이 있습니다. 프로젝트 기한 내 안정적으로 데이터를 납품했고, 이를 통해 신뢰를 쌓아 후속 프로젝트까지 자연스럽게 이어졌습니다.“대량 수집이 가능한 운영 체계가 있어요.”
이번 프로젝트는 대규모 이미지 데이터를 안정적으로 확보하는 게 중요했습니다. 크라우드웍스는 비정형 데이터의 수집·가공 경험과 작업자 운영 인프라를 보유하고 있습니다. 이를 통해 수만 건의 이미지를 일정 내 확보할 수 있는 체계를 가지고 있죠.“체계적인 품질 관리 프로세스가 있어요.”
AI 모델의 성능은 데이터 품질에 큰 영향을 받습니다. 저품질 이미지로 학습된 AI는 실제 환경에서 오류를 일으킬 수 있기 때문인데요. 크라우드웍스는 표준화된 품질 관리 프로세스를 갖추고 있어, 데이터의 정확성과 일관성을 안정적으로 확보할 수 있습니다.
25,000장의 차량 이미지를 수집하는 방법
이번 프로젝트에서는 차량의 번호판 이미지 25,000장과 차대스티커 이미지 8,000장을 수집해야 했습니다. 대규모 이미지를 안정적으로 확보하기 위해서는, 수집 환경과 촬영 기준을 구체화하는 과정이 필요했죠.
본격 수집에 앞서 세 가지를 먼저 설계했습니다.
1. 이미지 대량 수집이 가능한 환경 만들기
차량 번호판과 차대 스티커는 차량의 식별 정보가 포함된 민감 데이터입니다. 따라서, 촬영 동의와 수집 가능한 환경을 먼저 확인하는 게 중요했는데요. 우선 크라우드소싱을 통해 작업자 본인, 가족, 촬영 동의를 받은 지인의 차량을 중심으로 이미지 수집을 진행했고요. 동시에 중고차 단지를 섭외하고 작업자를 파견해 이미지를 수집하는 방식을 병행했습니다.
2. 사전 테스트로 시행착오 최소화하기
이미지 품질은 촬영 거리, 각도, 시간대, 조명 조건에 따라 품질이 달라질 수 있습니다. 특히 차량 번호판은 이미지가 잘리거나, 빛 반사, 흔들림으로 식별이 어려운 경우 학습 데이터로 활용할 수 없는데요. 이런 문제가 발생하지 않도록, 사전 테스트를 통해 품질 저하의 요인을 먼저 점검하고 고객사와 대응 방안을 논의하여 촬영 기준을 구체화했습니다.
3. 일관된 품질을 위한 작업 가이드 제작하기
고객사와 협의한 이미지 수집 기준을 토대로 작업자를 위한 가이드를 만들었습니다. 텍스트 설명만으로는 작업자마다 해석이 달라질 수 있기 때문에, 올바른 촬영 예시와 잘못된 예시, 각도별 촬영 기준, 품질 판단 기준을 예시 이미지와 함께 구성했습니다. 이를 통해 이미지 수집 경험이 없는 작업자도 동일한 기준으로 촬영할 수 있었고, 작업자 간 편차를 줄여 일관된 품질의 데이터를 확보할 수 있었습니다.
이미지 수집 전략과 품질 관리가 만든 결과
본격적인 이미지 수집에 앞서 철저한 사전 기획을 진행한 결과, 다양한 환경과 각도에서 촬영된 번호판 이미지 25,000장과 차대스티커 이미지 8,000장을 기한 내 안정적으로 확보할 수 있었습니다.
해당 데이터는 A사의 비전 AI 모델 고도화와 후속 서비스에 활용되었는데요. 데이터 품질과 프로젝트 운영 전반에 고객사가 크게 만족하며, 동일한 운영 인력과 함께 후속 프로젝트를 제안해 왔습니다.
담당 PM의 후기
“이번 프로젝트의 가장 큰 성공 요인은 프로젝트 초기 단계부터 고객사의 데이터 활용 목적을 함께 검토하고, 최적의 수집 방안을 제안했다는 점입니다. 이미지 수집 방법과 기준을 설계하고, 사전 테스트를 통해 오류 요인을 미리 통제한 덕에 시행착오를 최소화할 수 있었습니다.
무엇보다 이번 프로젝트는 크라우드웍스가 데이터 구축 전략 수립부터 작업자 선발, 품질 관리, 운영까지 전 과정을 통합적으로 수행할 수 있다는 강점을 보여준 사례라고 생각합니다.”
A사의 사례, 우리 회사에도 해당될까요?
AI 학습용 이미지 데이터를 구축해야 하지만, 수집 기준이나 품질 관리가 고민된다면 크라우드웍스와 이야기해 보세요. 귀사의 목적에 맞는 데이터 전략 수립부터 운영, 품질 관리까지 End-to-End로 지원합니다.
아래 항목 중 하나라도 해당된다면, 전문가와의 상담이 도움이 될 수 있습니다. □ 단기간 내 대량의 이미지 데이터가 필요하다 □ 자체적으로 이미지를 수집하고 있지만 품질이 일정하지 않다 □ 어떤 기준으로 촬영하고 수집해야 할지 정하기 어렵다 □ 수집한 데이터가 실제 AI 학습에 적합한지 확인하기 어렵다 □ 외부 업체에 맡겼는데 품질 관리가 제대로 되지 않는 것 같다. 👉 전문가와 1:1 상담하기 |