주식회사 서르 총0명이 열람하였으며, 0개의 리뷰가 있습니다.

주식회사 서르의 전체 정보

기업개요 및 핵심역량(요약)

가. 기업소개(주)서르는 AI 개발을 위한 데이터 설계, 수집, 정제, 가공, 검사부터 이를 활용한 소프트웨어(SW)와 하드웨어(HW)의 설계 및 개발까지 전 과정을 수행하는 기업.AI 분야에는 박사 학위를 보유한 4명을 포함한 전문 인력이 참여하고 있으며, 프로젝트의 요구사항에 맞춰 데이터를 설계하고 기술 솔루션을 제공하고 있음.기업부설연구소를 중심으로 연구개발 역량을 지속적으로 강화하고 있으며, 안정적인 서버 운영 환경을 통해 데이터 관리와 시스템 운영을 지원하고 있음.서르는 의료, 제조, 환경, 디자인, 공공, 안전분야에서 AI 기술을 활용하여 각 산업의 요구에 맞는 데이터와 솔루션을 제공하고 있음. 사업 분야내용의료 분야? 디지털 병리 데이터, X-ray, CT 등 의료 영상 데이터를 기반으로 병변 탐지 및 조직 분석을 지원.? AI 학습용 데이터 구축을 통해 정밀 의료 진단 솔루션을 개발.? 내시경 및 캡슐내시경 영상 데이터를 구축하여 병변 탐지, 진단 보조 시스템 등 효율적인 AI 기반 솔루션 제공.제조 분야? 품질 검사와 공정 최적화를 위해 육안 검사 및 수량 확인 데이터를 구축.? AI 시각 인식 기술로 제품 결함 감지 및 품질 검사 자동화 시스템 개발.? 수면 부유물 감지 및 처리 시스템을 통해 작업 효율성 및 공정 안전성을 개선하는 데이터 기반 솔루션 제공.환경 분야? 재활용 폐기물 데이터를 기반으로 폐기물 자동 분류 시스템 및 자원 재활용 최적화 솔루션 개발.? 도심형 페트병 수거실내 폐기물 자동 분류 시스템을 통해 환경 관리 효율화.? 탄소 감축 플랫폼 연계로 지속 가능한 환경 개선에 기여.디자인 분야? 패션 및 인테리어 데이터를 구축하여 소비자 맞춤형 서비스 지원.? 패션 아이템 인식 및 감성 데이터를 통해 스타일 분석 및 추천 시스템 개발.? AI 기반 인테리어 플랫폼을 활용해 맞춤형 집수리와 공간 추천 시스템 제공.공공 분야? 정형 및 비정형 데이터를 활용해 스마트 행정 및 도시 관리 시스템 구축.? 객체 탐지 및 이동경로 추적 데

기업한글명

주식회사 서르

도로명주소

등록일

2025-01-23

링크(URL)

https://kdata.or.kr/datavoucher/is/selectPortalFileDetail.do?rcpnYear=2025&brno=3568102496&sprnSctrCd=P01014002&prdcId=&sprnDsncCd=P11014001

보유솔루션(요약)

가. 주요기술(주)서르는 데이터 기획·설계, 수집, 정제, 라벨링, 분석, 품질 검수의 전 과정을 체계적으로 수행하며, 특히 컴퓨터 비전 기반의 이미지 처리와 관련하여 다양한 고급 기술을 보유하고 있음.주요 항목내용객체 탐지? 이미지 내 특정 객체를 정확히 식별하고 위치 정보를 추출함.세그멘테이션? 객체의 경계선을 정확히 따라가는 픽셀 단위 데이터 분할을 수행하여 정밀한 데이터 분석이 가능함.키포인트 추출? 객체 내 중요한 지점을 식별하여 구조적 데이터로 변환, 움직임 추적 및 자세 분석 등에 활용함.이미지 증강? AI 모델 학습 데이터의 다양성을 확보하기 위해 회전, 확대, 색상 변경 등 다양한 데이터 증강 기법을 적용함.나. 인적-조직적 자원1. 조직 구성 및 역할(주)서르는 데이터 구축부터 AI 솔루션 개발 및 설계까지 전 과정을 수행하며, 다양한 산업의 요구에 맞춘 데이터를 적절하게 설계하고 제공할 수 있는 역량을 보유하고 있음.조직 구성주요 역할데이터 구축팀? 데이터 설계, 수집, 정제, 라벨링, 가공 및 품질 관리.? 데이터의 특성에 맞춘 맞춤형 설계를 통해 프로젝트 최적화.품질 관리 및 검수팀? 데이터 품질 검수 및 고객 맞춤형 요구사항 반영.AI 개발팀? 최신 AI 알고리즘 연구 및 데이터 분석 모델 개발.? AI 모델의 최적화 및 현장 적용을 지원함.소프트웨어 및 하드웨어 개발팀? 데이터를 활용한 플랫폼 및 시스템 설계 및 개발.? 프론트엔드, 백엔드 개발과 서버 유지보수로 데이터의 안정적 활용을 지원함.2. 전문 인력 및 역량 현황주요 항목내용전문 인력 구성? 박사 학위 4명을 포함한 AI 및 데이터 전문 인력 보유.? 주요 전공: 컴퓨터 공학, 데이터 과학, 전자공학, 소프트웨어 공학 등.경력 및 실무 노하우? 다수의 데이터 구축 및 AI 사업 수행 경험으로 최적의 데이터 활용 노하우를 보유함.? 데이터 구축 인력 외에도 직접 개발과 설계를 수행하며 데이터를 최적화된 맞춤형 솔루션으로 설계 가능함.3. 교육 및 자격증주요 항목내용데이터 구축

상세주소

4층 403, 404호

설립일자

2022-01-13

실적(요약)

(주)서르는 의료, 환경, 제조, 공공, 인테리어분야에서 체계적인 데이터 구축과 AI 기술 적용을 통해 각 산업의 맞춤형 솔루션을 제공하였음. 수면 부유물 자동 처리 제진기, 폐기물 분류 AI 시스템, 의료 진단 AI 모델, 인테리어 추천 시스템등 산업별 특화된 성과를 통해 효율성 개선과 실질적 문제 해결을 지원하고 있음.주요 항목내용의료 분야? 정밀 의료와 진단 효율성 향상을 위해 AI 데이터 구축이 필수적임.? 디지털 병리 데이터캡슐내시경 병변 탐지 데이터는 진단 정확도 향상과 시간·비용 절감에 기여.? CT 영상 Annotation은 골절 부위 등을 정밀 분석하여 AI 기반 진단 보조 시스템 개발을 지원.- 원격 판독 시스템은 의료 접근성이 낮은 지역의 진단 격차를 해소하고 글로벌 헬스케어 확산에 기여.환경 분야? 효율적 자원 관리와 폐기물 문제 해결을 위해 AI 데이터 구축이 필요함.? 생활 폐기물 데이터재활용품 자동 분류 시스템은 폐기물 선별 자동화와 자원 회수율 향상에 기여.? 도심형 페트병 수집 로봇과 재활용 최적화 플랫폼은 현장 중심의 환경 관리 효율화를 실현.? 맞춤형 분리수거 교육 시스템은 지역 특성에 맞춘 환경 개선 솔루션을 제공함.제조 분야? 품질 관리와 공정 효율성 향상을 위해 AI 데이터와 기술 적용이 필수적임.? 용접 비드 검사 데이터는 품질 검사를 자동화해 오류를 줄이고 생산성을 높임.? 수면 부유물 자동 처리 시스템은 AI를 통해 부유물을 식별·처리하여 작업 안정성과 환경 유지에 기여.? 제진기 모터 자동 운전 시스템은 시각 인식 기술로 공정 자동화 및 효율성을 극대화.안전 분야? 공공 안전과 작업장 관리를 위해 AI 기반 객체 탐지 및 추적 시스템이 중요함.? 객체 탐지 및 이동경로 추적 시스템은 실시간 모니터링과 위험 행동 감지를 통해 사고 예방 및 안전을 강화함.디자인 분야? 사용자 맞춤형 서비스와 경험 제공을 위해 AI 데이터 활용이 핵심 기술임.? 패션 의류 데이터 라벨링은 상품 인식 및 추천 시스템의 정확도를 높임? 인

유지보수(후속지원)전략(요약)

(주)서르는 데이터 제공 후에도 수요기업이 데이터 및 서비스를 원활히 활용할 수 있도록 체계적인 유지보수와 협업체계를 운영함.가.데이터 보안 체계구분항목내용데이터 보안 체계내부 네트워크 활용? 외부 접근을 완전히 차단하고 내부 네트워크를 통해서만 작업 가능하도록 시놀로지 나스(Synology NAS)를 활용.작업자별 권한 설정? 작업자별 ID 및 권한 설정을 통해 작업에 필요한 데이터만 접근 가능하도록 제한.접근 로그 기록? 모든 작업 및 접근 내역을 기록하여 역추적 가능하며, 데이터 보안 사고 발생 시 신속한 대응 체계를 마련.민감 데이터 처리? 의료 데이터와 같은 민감한 정보는 네트워크 비공개 방식으로 처리하며, 외장하드를 사용해 데이터를 직접 전달.나.데이터 제공 및 유지보수 체계구분항목내용데이터 제공 방식민감 데이터? 외장하드를 통해 직접 전달하여 보안을 강화.일반 데이터? 웹 플랫폼을 이용하여 안전한 방식으로 전달.데이터 제공 시점 및 내용제공 시점? 프로젝트 완료 후 즉시 데이터를 전달.제공 내용? 비정형, 반정형, 정형 데이터를 포함.? 가공 산출물의 유형(테이블 수, 파일 수)과 세부 정보를 명확히 기록하여 수요기업에 제공.구분내용유지보수 대상? 데이터바우처를 통해 제공된 data set무상유지보수대상? 공급한 목적물에 하자가 있는 경우는 무상 하자보수를 원칙으로 함? 협약종료 후 6개월 이내에 발생하는 데이터 결함에 대한 유지보수내용? 무상 유지보수 기간 동안 일어나는 유지보수 활동.? 데이터기준 변동시 데이터 2회에 한하여 수정 제공. - 기준변동에 의한 데이터 수정의 기간은 무상기간 6개월을 기준 함.유상유지보수대상? 무상제공 범위를 벋어나는 데이터 추가 제공 등에 대한 활동내용? 데이터기준 변동 및 신규데이터 추가에 대한 전반적 활동 - 유상유지보수에 대한 별도 계약서를 작성함.금액? 이미지 장당의 단가다.협업체계 전략1. 협력 및 피드백 체계- 데이터 제공 이후에도 수요기업과의 지속적인 소통을 통해 피드백을 수집하고, 데이터 활용

주요서비스 상세정보(요약)

1. 데이터 상세정보-데이터 구조: JSON, CSV, XML, TFRecord 등 다양한 포맷 제공.-데이터 설명: 이미지 데이터(바운딩 박스, 폴리곤, 키포인트), 텍스트 데이터(OCR 결과), 시계열 데이터 등 제공.-업무 프로세스 기획 및 설계: 수요기업 요구사항에 맞는 데이터 기획 및 구조 설계. 데이터 수집: 현장 수집, 크라우드소싱, 기존 데이터 활용. 정제 및 가공: 이상치 제거, 이미지 정규화, 데이터 증강 기법 적용. 라벨링: 바운딩 박스, 폴리곤 세그멘테이션, 키포인트 라벨링 등 맞춤형 데이터 가공. 검수 및 품질 관리: AI 자동 검수와 전문가 수작업 검수를 병행하여 최종 품질 검증.-활용 서비스 안내: 데이터 활용 매뉴얼을 제공하여 수요기업이 손쉽게 사용할 수 있도록 지원함.주요 항목내용기획 및 설계? 수요기업의 요구사항 분석을 통해 데이터 구축 목적과 범위를 정의.? 사용 목적에 최적화된 데이터 구조와 설계 기준을 수립하며 산업 특성과 활용 목적을 반영한 맞춤형 기획 진행.? 전문가 자문과 데이터 특성 분석을 통해 데이터 품질과 활용성을 극대화하는 설계 수행.데이터 수집? 수집 경로: 수요처 제공 데이터, 현장 직접 수집 데이터, 기존 데이터베이스 활용.? 수집 방식- 인하우스(In-House): 내부 전문 인력을 활용한 철저한 데이터 수집 및 검수 관리.- 크라우드소싱: 전문 플랫폼을 통해 방대한 데이터를 다양한 조건과 환경에서 확보.- AI 모델 학습에 적합한 데이터 다양성을 고려하여 데이터 수집.정제 및 가공? 데이터 정제- 이상치 제거, 중복 데이터 정리로 학습 데이터 신뢰성 확보.- 이미지 정규화 및 포맷 변환으로 AI 학습에 적합한 데이터 준비.? 데이터 가공- 데이터 증강(Augmentation) 기법으로 데이터 다양성 강화.- 회전, 확대, 축소, 색상 변경 등 다양한 증강 기법 활용.라벨링? 라벨링 방식- 바운딩 박스: 객체 위치와 크기 식별.- 폴리곤 세그멘테이션: 픽셀 단위로 객체 윤곽 구분.- 키포인트 라벨링: 특

카테고리구분

전처리,품질,코딩,시각화,정보추출또는조합,태깅또는라벨링,분석,기타,가명처리,데이터 보호 관련 기술 개발,AI Hub 학습용 데이터 재가공,전략수립,큐레이션,설계,생성·수집,자동화,적재

품질확보전략(요약)

1. 품질확보 전략가.다단계 품질 검수(1)자동 검수- 데이터 전처리 및 가공 과정에서 프로젝트별 맞춤형 검수 도구를 활용하며, 에러 최소화를 위한 자동 검수 체계를 구축,- 예를 들어, 라벨링 누락, 포맷 불일치, 이미지 파일 손상 여부 등을 자동으로 확인하여 초기 오류를 최소화.(2) 전문 검수 및 수작업 검수-AI 검수 결과를 전문 검수 팀이 재검토하여 의미적, 구문적 정확성을 보장.-작업자가 진행한 라벨링이 매뉴얼 기준과 일치하는지 검토하며, 오류 발생 시 즉각 피드백과 재작업 요청.-필요시 교차 검수를 통해 검수자 간의 일관성을 유지하고 데이터 품질을 향상.나. 데이터 품질 모니터링(1)수요기업 피드백 반영- 데이터 납품 후 수요기업의 피드백을 체계적으로 수집하여 품질 개선에 활용.- 반복 프로젝트의 경우 이전 프로젝트 피드백을 분석하여 동일한 문제 발생을 방지.(2)품질 개선 프로세스-피드백 내용을 기반으로 오류 유형을 분석하고, 작업 프로세스와 검수 매뉴얼에 반영.- 데이터 활용 단계에서 발생하는 문제를 모니터링하여 향후 데이터 설계와 가공 과정에 적용.2.품질 확보 방안가. 의미정확성의미 정확성은 데이터의 라벨링 및 가공 작업이 수요기업의 목적과 데이터 활용 목적에 부합하는지를 평가하는 요소임.주요 항목내용라벨링 정확성 검증? 데이터의 의미와 실제 데이터 사용 환경을 고려하여 라벨링 기준을 수립하고, 전문가 자문을 통해 타당성을 검토.? 라벨러와 검수자 간 작업 기준 교육과 검수 매뉴얼을 배포하여 작업 일관성을 유지.고객 요구사항 반영? 수요기업의 요구사항과 데이터 활용 목적에 맞춰 라벨링 및 데이터 구조를 맞춤 설계.? 최종 데이터의 활용 사례(AI 학습, 알고리즘 개발 등)와 연계해 의미적 오류를 최소화.항목명분류 라벨 정확도라벨 유형바운딩 박스, 폴리곤라벨 대상Object라벨링 방법(자동/수동)수동(내부인력)측정 지표정확도(%)측정 산식정확도 = 100 X (1 ? 오류데이터 수/검증대상 데이터 수 ) * 오류데이터 수：명칭오류, 미작업,

활용사례(요약)

주요 항목내용의료? X-ray, CT, 캡슐내시경 데이터를 기반으로 AI 진단 보조 시스템 학습 데이터를 구축.제조? 품질 검사를 위한 육안 검사 데이터와 수량 확인 데이터를 제공.환경? 재활용 폐기물 자동 분류 AI 시스템 구축을 위한 데이터를 제공.안전? 위험 행동 감지 및 이동경로 추적 데이터를 활용하여 작업장 안전을 강화.디자인? 패션 아이템 라벨링 및 인테리어 데이터를 구축하여 AI 기반 추천 시스템을 개발.Fashion DataMedical Data패션 이미지를 아이템의 종류와 디자인 요소에 따라 세밀하게 분류하고 가공함.? 중요성: 패션 데이터는 정답이 모호한 경우가 많아 구체적이고 정확한 작업 기준과 일관성 있는 작업이 핵심.? 작업 방식- 프로젝트 초기 단계에 패션 전문가가 참여하여 최신 트렌드를 반영한 정확한 기준을 수립.- 데이터 라벨링 카테고리별로 전문 검수자가 지속적으로 품질을 점검하여 데이터의 정확성과 일관성을 보장.? 활용 분야: AI 기반 상품 정보 입력, 트렌드 분석, 추천 서비스등.메디컬 이미지 및 영상 데이터를 정밀하게 분류하고 복잡한 경계를 세심히 구분함.? 중요성: 의료 데이터는 고난도의 아노테이션 작업이 필요하며, 의료 전문 지식과 정확한 작업 스킬이 필수.? 작업 방식- 전문 아노테이터팀이 의료 전문가와 최소한의 소통으로도 높은 수준의 데이터 가공을 수행.- 철저한 In-House 작업과 보안 시스템 내에서 100% 전수 검사 및 의료진의 최종 검수를 통해 품질 보장.? 활용 분야: 의료 연구, 로봇 수술, 의료 진단 서비스등. Interior DataRecycling Data내부 공간 이미지를 Room Type, Mood, Design Attributes에 따라 세밀하게 분류하여 데이터를 제공함.? 중요성: 공간의 종류와 구성 요소를 빠르게 이해할 수 있는 데이터를 구축하여 인테리어 분석의 효율성을 높임.? 작업 방식: 학습 데이터를 이용해 공간의 종류와 디자인 구성 요소를 체계적으로 정리.? 활용 분야: