
Label Studio adalah alat anotasi data open-source yang sangat populer untuk melabeli berbagai jenis data, seperti teks, gambar, audio, video, dan lainnya. Dengan Label Studio, Anda dapat dengan mudah membuat anotasi untuk melatih model pembelajaran mesin. Artikel ini akan memandu Anda dalam langkah-langkah menggunakan Label Studio untuk anotasi objek secara efektif. Mari kita mulai!
Label Studio adalah platform yang fleksibel dan dapat dikustomisasi untuk membantu para peneliti dan pengembang dalam membuat dataset anotasi berkualitas tinggi. Beberapa fitur utama dari Label Studio meliputi:
- Mendukung berbagai jenis data: gambar, teks, audio, video, dll.
- Antarmuka pengguna yang ramah.
- Dukungan integrasi dengan model pembelajaran mesin.
- Kemampuan untuk menyesuaikan template anotasi.
Langkah 1: Instalasi Label Studio
Contents
Sebelum memulai, pastikan Anda telah menginstal Label Studio di komputer Anda. Ikuti langkah berikut:
- Persyaratan Sistem:
- Python 3.6 atau lebih baru.
- pip (Python package installer).
- Instalasi melalui pip:
pip install label-studio
- Verifikasi Instalasi: Setelah instalasi selesai, jalankan perintah berikut untuk memverifikasi:
label-studio --version
Jika berhasil, Anda akan melihat nomor versi Label Studio yang terinstal.
- Menjalankan Label Studio: Untuk menjalankan Label Studio, cukup gunakan perintah berikut:
label-studio
Label Studio akan berjalan di browser Anda melalui URL default, yaitu
http://localhost:8080
.
Langkah 2: Membuat Proyek Baru
- Buka Antarmuka Label Studio: Setelah menjalankan Label Studio, Anda akan diarahkan ke dashboard.
- Klik “Create Project”: Masukkan nama proyek, deskripsi, dan jenis data yang akan Anda anotasi. Misalnya, jika Anda ingin melakukan anotasi objek pada gambar, pilih “Image”.
- Atur Template Anotasi:
- Label Studio menyediakan template bawaan, seperti bounding box, segmentation mask, dan keypoints.
- Anda juga dapat mengkustomisasi template sesuai kebutuhan dengan menggunakan konfigurasi XML.
Langkah 3: Unggah Data untuk Anotasi
- Unggah File Secara Manual: Klik tombol “Upload Data” dan pilih file yang ingin Anda anotasi. Label Studio mendukung format seperti JPEG, PNG, MP3, MP4, dan lainnya.
- Gunakan Integrasi Cloud: Label Studio dapat terhubung dengan penyimpanan cloud seperti Amazon S3, Google Cloud Storage, atau Azure Blob Storage.
- Konfigurasi Data: Pastikan data Anda terorganisir dengan baik dan memenuhi format yang didukung oleh Label Studio.
Langkah 4: Melakukan Anotasi Objek
- Mulai Anotasi:
- Pilih dataset yang telah diunggah.
- Gunakan alat yang tersedia, seperti bounding box atau polygon, untuk melakukan anotasi pada objek di gambar.
- Gunakan Shortcut Keyboard: Untuk meningkatkan efisiensi, manfaatkan shortcut keyboard bawaan. Misalnya:
B
: Membuat bounding box.Ctrl + Z
: Membatalkan aksi terakhir.
- Validasi Anotasi: Setelah selesai, tinjau anotasi Anda untuk memastikan akurasi.
Langkah 5: Mengekspor Data Anotasi
Setelah semua anotasi selesai, ekspor data untuk digunakan dalam pelatihan model.
- Pilih Format Ekspor: Label Studio mendukung berbagai format ekspor, seperti JSON, CSV, dan COCO.
- Ekspor Anotasi:
- Klik “Export” di menu proyek.
- Pilih format yang diinginkan dan unduh file.
- Integrasi dengan Model: Gunakan data yang diekspor untuk melatih model pembelajaran mesin, seperti model deteksi objek menggunakan TensorFlow atau PyTorch.
Tips untuk Anotasi yang Efektif
- Gunakan Tim: Melibatkan tim anotator dapat mempercepat proses.
- Lakukan Quality Control: Tinjau ulang anotasi untuk memastikan kualitas.
- Gunakan Model Pre-labeling: Anda dapat mengintegrasikan model pembelajaran mesin untuk membuat label awal, lalu melakukan fine-tuning secara manual.
- Kustomisasi Template: Jika proyek Anda memiliki kebutuhan khusus, ubah template anotasi agar lebih relevan.
Berikut tampilan yang bisa kalian ikuti

Edit nama project dan deskripsi nya

Import data / gambar yang diperlukan

Pilih Template anotasi nya

Memberikan nama label nya

Tambahkan Labeling

Hapus label yang tidak perlu

Tampilan dataset yang siap dilakukan anotasi

Lakukan anotasi sesuai class/label nya

tampilan dataset yang sudah dilakukan labeling

tampilan dataset yang sudah dilakukan labeling

Format export dataset