주식회사 에이모 총0명이 열람하였으며, 0개의 리뷰가 있습니다.

주식회사 에이모의 전체 정보

기업개요 및 핵심역량(요약)

[기업개요]- 에이모는 머신러닝(ML)을 위한학습데이터 가공 및 판매 전문 기업- 국내외 유수한IT기업 출신의 인재들을 주축으로2016년3월설립- 2016년7월,기업부설연구소를 설립하고 임직원의60%이상을 엔지니어 인력으로 채용 등고품질 학습데이터 제작 위한 연구개발지속1. 주요 제품 및 서비스- (데이터 가공 서비스_GTaaS)고객사의 요구사항에 맞춰 인공지능 학습을 위한GT(Ground Truth)데이터 생성- (데이터 가공 플랫폼_AIMMO Enterprise)데이터 어노테이션을 위한웹기반 학습데이터 가공 플랫폼 제공- (AIMMO자율주행 데이터셋) 자율주행 인공지능 머신러닝을 위한다양한 도로환경 기반 원천데이터와 라벨링데이터셋2. 국내외 사업현황- (국내)국내 인공지능 산?학?연100여개 고객사와 학습데이터 가공 프로젝트 진행- (베트남) 2020년2월,베트남 하노이에 법인을 설립하고 현지 인력을 채용하여 어노테이션 작업 진행- (일본) 2020년10월,일본에서5,000개 이상의 고객사를 보유하고있는AOS DATA사와의 대리점 계약을 통해 일본시장에 진출하여 학습데이터 가공 프로젝트 진행- (유럽) 2021년3월,영국 마이라 테크놀로지파크(MTP)에 입주하여 자율주행 데이터 가공 프로젝트 진행- (미국)자율주행 솔루션 개발기업Phantom AI와 연계하여 북미 자율주행 시장 진출 추진3.주요 연혁- (2016. 03) ㈜블루웨일 설립- (2016. 07) 기업부설연구소 등록- (2018. 07) 학습데이터 가공 서비스 ‘AIMMO GTaaS’ 오픈- (2019. 09) ㈜에이모 사명 변경- (2019. 12) 데이터바우처 지원사업 데이터산업진흥원(Kdata) 우수상 수상- (2019. 09) 지능정보사회 기여 공로 과학기술정보통신부 장관 표창- (2020. 10) ISO27001 인증- (2020. 10) 에이모-AOS Data 일본 내 인공지능 데이터 비즈니스를 위한 업무협약(MOU) 체결- (2020. 12) 4차산업혁명대상 한국지능정보사회진흥원(N

기업한글명

주식회사 에이모

도로명주소

등록일

2025-01-17

링크(URL)

https://kdata.or.kr/datavoucher/is/selectPortalFileDetail.do?rcpnYear=2025&brno=3078700367&sprnSctrCd=P01014002&prdcId=&sprnDsncCd=P11014001

보유솔루션(요약)

[Labelers]-고객사의 요구사항에 맞춰 인공지능 학습을 위한GT(Ground Truth)데이터 생성 1) (웹기반 툴)에이모의 어노테이션 툴은 별도의 설치가 필요 없고,시공간의 제약 없이웹(Chrome)기반으로 어노테이션 작업 가능 2) (넓은 호환성)에이모의 어노테이션 툴은 다양한 형태(이미지,영상,라이다,텍스트,음성 등)의 원천데이터에 대한 어노테이션이 가능 3) (툴 커스터마이징)에이모 어노테이션 툴은다양한형태(Key-point, Bbox, Polygon, Polyline, Cuboid등)의어노테이션 작업이 가능하므로,이를 기반한 양질의 데이터셋 다량 생성 가능[데이터수집장비]- 데이터 수집을 위한 차량 및 다수의 카메라, LiDAR 완비[크라우드워커 기반 작업 시스템]- 각 프로젝트별 크라우드워커를 운용하고, 이에 대한 PM을 배치하여 교육 및 전체 작업을 진행함으로써, 효율적인 사업 운용 가능

상세주소

(투아이센터) 7층

설립일자

2016-03-22

실적(요약)

- 2019~2022 KDATA 데이터바우처 공급기업 참여- 2023년 KDATA 데이터바우처 공급기업 참여, 우수 수요기업 6개 달성- 2024년 KDATA 데이터바우처 공급기업 참여, 우수 수요기업 5개 달성- 2022~2024년 NIA 한국지능정보화사회진흥원의 공간융합 빅데이터 플랫폼 사업 참여 (자율주행 데이터셋 기반)- 2022~2027년간 KAIA 국토교통과학기술진흥원의 인프라 가이던스를 통한 자율차 주행지원 기술개발 5개년 사업 수행중- 2024~2028년간 KEIT 한국산업기술기획평가원의 소재부품기술개발(이종기술융합형) R&D 5개년 사업 수행중- 200여개의 파트너사와 AI 학습데이터 가공 프로젝트를 통해 누적기준 1.8억개의 인스턴스 어노테이션 작업 수행

유지보수(후속지원)전략(요약)

[관리기간]- 하자보수: 사업완료일로부터 6개월- 유지관리: 사업완료일로부터 6개월[업무분장]역할업무분장하자보수 및 유지관리 책임자ㅇ 하자보수/유지관리 관련 커뮤니케이션 진행ㅇ 하자보수/유지관리 필요한 데이터 분석 및 작업 설계하자보수 및 유지관리 담당자ㅇ 하자보수/유지관리 책임자의 분석 및 설계 내용 기반 실제 작업내용 수행[하자보수/유지관리]구분내용보수 대상ㅇ 수요기업의 요청에 따른 가공물하자보수대상ㅇ 공급한 산출물에 하자가 있는 경우,무상 하자보수를 원칙으로 함ㅇ 협약종료 후6개월 이내에 발생하는 데이터 결함에 대한 하자보수내용ㅇ 하자보수 기간 동안 일어나는 하자보수 활동ㅇ데이터 변동시 현행화 데이터 하자보수 기간 내 매월1회씩,최대6회에 한하여 제공유지관리대상ㅇ 무상제공 범위를 벗어나는 데이터 추가 제공 등에 대한 활동ㅇ 고객의 실수 또는 천재지변에 의한 장애에 대해서는 책임을 지지 아니함내용ㅇ 신규데이터를 추가하고 기존 데이터의 구성 변경 등을 실시할 경우,상호 협의하여 실비 제공을 원칙으로 함ㅇ유지관리는‘하자보수’와 달리‘유상’활동에 해당함을 유의할 것금액ㅇ기존에 작성하였던 견적서를 기준으로,수요/공급기업간 협의를 통해 결정

주요서비스 상세정보(요약)

[가공 서비스 종류]- Bounding Box : 객체를 직사각형으로 표시하는 2D B-box labeling tool- Polygon : 사물의 외곽을 다각형으로 표시하는 Polygon labeling tool- Skeleton : 이상 행동 판별이나 인체 활동 분석에 사용되는 Skeleton(골격) labeling tool- Landmark : 사람의 얼굴을 명확하게 인식하기 위해 사용되는 Landmark labeling tool- Object Tracking : 특정 객체를 자동으로 추적하여 작업시간을 단축시키는 Object tracking tool- Polyline : 차선이나 도로 경계선등을 표시하는 Polyline labeling tool- Cuboid for Point Clouds : LiDAR 센서로 취득한 3D Point Clouds에서 객체를 직육면체로 표시하는 3D Cuboid labeling tool- OCR : 문서의 텍스트 부분을 전사하고 그 영역을 지정하는 OCR labeling tool- STT : 음성을 전사하는 STT labeling tool[가공 방법]- (분석) 학습데이터 가공 프로젝트의 효율적 관리를 위하여 최종 산출물에 대한 구체적인 목표와 요구사항을 분석하고 정의- (설계) 프로젝트에 대한 분석을 토대로 최적의 Work Flow를 설계하고 세부 작업을 수행할 전담조직 구성- (수행) 작업 가이드에 따라 작업자를 교육하고 실제 작업 진행- (검수) 품질관리 전문가 및 AI기술을 활용한 3종 검수 시스템 적용① 통계기반 자동 검수(SQIPTM) : 통계에 기반한 자동검수 시스템을 활용하여 저품질 작업물을 자동 제외② 품질관리자 검수 : 품질관리자를 지정 배치하여 빈번히 발생하는 오류를 유형화하고 재교육 실시③ AI Assist Model 기반 플랫폼 검수 : 초기의 수동 Annotation 결과물을 GT로 학습하여 데이터 제작 후반부에는 AI Assist Model을 통해 검수 진행- (완료) 제작 완료된 데이터셋을 고객사

카테고리구분

태깅또는라벨링

품질확보전략(요약)

[프로세스]-아래 설정된 공정별 품질관리 목표에 따라 진단?개선을 통해 제작한 고품질AI학습데이터 제공구 분프로세스설명1.데이터 설계규칙 정의??품질관리 대상에 대한 프로파일링을 시행하고??품질 측정 및 통제를 위한 지표를 설정??설정된 품질규칙은 데이터 가공 업무규칙에 반영2.데이터 제작측정??데이터 가공 결과물 중 품질관리 대상에 대한 품질 측정분석??품질 측정 결과를 품질지표와 비교하여 시사점 도출??개선이 필요한 부분에 대한 원인 및 개선방법 분석개선??오류의 영향도 및 시급성을 고려하여 개선 시행통제??품질측정-분석-개선이 선순환 구조를 이룰 수 있도록 지속적인모니터링 수행3.고객사 제공판매??보유한 데이터에 맞는 고객사에게 원천데이터 및 라벨링 데이터와 이에 따른 메타데이터 제공[품질검수]- 아래의 자동검수,품질관리자검수,AI-Assist Model기반 유형별 검수를 진행한 양질의 데이터셋1. 유형1 : 통계기반 자동 검수 1) 통계에 기반한 자동검수시스템(SQIP)을 활용하여 검수 효율 증대 2) 저품질 작업물 자동 제외2. 유형2 : 품질관리자 검수 1) 품질관리 전문가를 품질관리자로 지정 및 배치 2) 빈번히 발생하는 오류를 유형화하여 재교육 실시3. 유형3 : AI Assist Model 기반 플랫폼 검수 Dedicated AI Assist Model > Human Annotation > Ground Truth > Active Learning Pipeline >> OCR Transcription / 3D Cuboid / Object detection > Dedicated AI Assist Model

활용사례(요약)

[활용사례]- (보안)화재 감지 스마트 CCTV 개발을 위한 인공지능 학습데이터 구축- (미디어)레이더 시스템 개발 위한 사람동작 레이더 학습데이터 구축- (메디컬)손 움직임 검사 통한 만성질환 예측 학습 데이터셋 구축- (자율주행/드론)도로영상/레이더/라이다 데이터 내 객체 어노테이션- (스마트시티)태양광 패널 모니터링 시스템 개발 위한 학습데이터 구축- (서비스)자세추론 기술 개발 위한 학습 데이터셋 구축-(콘텐츠) 애니메이션 제작툴 개발을 위한 학습데이터 구축- (농/축산) 원육 인식 및 분석 AI학습 위한 데이터셋 구축- (뷰티) 헤어스타일 매칭 및 헤어 트렌드 예측 솔루션 개발을 위한 인공지능 학습데이터 구축- (제조) 제조현장의 안전 서비스 개발을 위한 학습데이터 구축- (교육) 발달/특성기반 유아교육제품 플랫폼 개발을 위한 인공지능 학습데이터 구축