라벨링, 학습, 배포를
하나의 소프트웨어로.
이미지를 가져오면 바로 라벨링하고, 소량만 라벨링해도 학습할 수 있으며, 직접 학습한 모델로 나머지를 사전 라벨링합니다. 평가, 내보내기, 현장 실시간 검증까지 모두 하나의 오프라인 소프트웨어에서 끝납니다.
여러 도구를 창 하나에
라벨링 도구, 학습 스크립트, 평가 코드, 내보내기·변환 사이에서 데이터를 옮겨 다닐 필요가 없습니다. 설치하면 바로 쓸 수 있고, 라벨링할수록 수고가 줄어듭니다.
완전 오프라인, 데이터는 내 컴퓨터에만
이미지, 라벨, 모델은 모두 내 폴더에 저장됩니다. 업로드하지 않고, 포트를 열지 않으며, 어떤 클라우드 서비스에도 의존하지 않습니다. 기밀 환경이나 내부망에서도 안심하고 쓸 수 있습니다. 인터넷이 필요한 보조 기능(예: Xuntong AI)은 모두 선택 사항이며, 켜지 않으면 쓰이지 않습니다.
라벨링할수록 빨라짐
소량만 라벨링해도 학습을 시작할 수 있고, 학습한 모델이 거꾸로 나머지 이미지를 사전 라벨링해 주므로 잘못된 부분만 고치면 됩니다. 데이터가 많을수록 줄어드는 수작업도 많아집니다.
설정이 필요 없는 환경
원클릭으로 학습 환경을 설치하고, GPU를 자동 인식해 맞는 PyTorch 버전을 고르며, 중국 미러 가속도 내장되어 있습니다. CUDA와 의존성 때문에 씨름할 필요가 없습니다.
현장 배포까지 한 번에
ONNX / OpenVINO로 내보내고, RTSP 카메라로 실시간 검증하며, 스트림을 받아 바로 경보를 내는 추론 서비스 패키지를 만듭니다. 라벨링에서 끝나지 않고 실제 적용까지 책임집니다.
데이터 상태 점검
극소 박스, 중복 박스, 거의 중복된 이미지, 클래스 불균형을 자동으로 찾아내고, 모델로 라벨 누락 의심과 잘못된 라벨도 골라냅니다. 한 번에 고치고 다시 학습하세요.
오픈소스 무료
Apache-2.0 라이선스로 개인과 상업 용도 모두 무료입니다. 학습에는 Apache-2.0의 YOLOX와 BSD 라이선스의 torchvision 모델을 쓰고, 보조 라벨링에 쓰는 SAM, OWL도 Apache-2.0이므로 학습한 모델을 안심하고 상업적으로 쓸 수 있습니다.
이미지 한 장에서 실행되는 모델까지
v0.2.0부터 탐지, 분할, 분류, 키포인트의 네 가지 작업과 AI 보조 라벨링, 팀 협업, Xuntong AI 연동이 모두 설치 패키지에 들어 있습니다. Windows, macOS, Linux에서 모두 쓸 수 있습니다.
네 가지 작업
객체 탐지 외에 인스턴스 분할(다각형 윤곽), 이미지 분류(키 한 번에 한 장), 키포인트(편집 가능한 템플릿, 사람 자세 등)가 추가되었습니다. 모든 작업에서 라벨링, 학습, 평가, 사전 라벨링을 할 수 있습니다.
데이터 관리
이미지 / 폴더 / 끌어 놓기로 가져오기, 내용 기준 중복 제거, 방향 자동 보정. 라벨이 있는 YOLO / COCO / VOC 가져오기와 형식 자동 인식. 학습/검증/테스트 분할과 원클릭 내보내기. 영상 프레임 추출, RTSP·HTTP-FLV·HLS(m3u8)·MP4 등 라이브 / 다시보기 영상 스트림 프레임 추출(수집하면서 바로 저장). 이미지 품질 검사. 모델로 가장 먼저 라벨링할 가치가 있는 이미지 선별.
라벨링 작업대
박스 그리기, 선택, 이동, 크기 조정. 1–9 단축키로 클래스 전환, 실행 취소/다시 실행, 이전 이미지 복사, 자동 저장. 검수 / 건너뛰기, 모델 사전 라벨링(한 장 또는 일괄). 다각형, 분류, 키포인트 라벨링. 영상 프레임의 키프레임 보간, 앞으로 자동 추적.
AI 보조 라벨링
SAM 스마트 선택: 한 번 클릭으로 윤곽이나 딱 맞는 박스 생성. 텍스트 프롬프트: 클래스 이름으로 객체 자동 찾기. Xuntong AI는 내 클래스대로 인식해 원하는 것만 찾습니다. '모자를 썼지만 끈을 매지 않았으면 미착용'처럼 AI와 직접 대화하면 인식 규칙으로 정리해 그 자리에서 시험해 보여 줍니다.
데이터 상태 점검
규칙 검사로 극소 박스, 중복 박스, 거의 중복된 이미지, 클래스 불균형을, 모델 검사로 라벨 누락 의심, 클래스 오류, 박스 부정확, 과잉 박스를 찾습니다. 클릭 한 번으로 라벨로 추가하거나 무시하거나, 라벨링 페이지로 이동해 문제를 강조 표시합니다.
실시간 다중 사용자 협업
내 컴퓨터가 호스트가 되고, 멤버는 브라우저로 로그인만 하면 함께 라벨링할 수 있으며 소프트웨어 설치가 필요 없습니다. LAN과 온라인 모두 됩니다. 작업 배정, 이미지별 잠금과 실시간 동기화, 검수와 반려, 온라인 상태, 작업량 통계(건별 정산용 내보내기), 유출 방지 워터마크. 네트워크가 없을 때는 오프라인 패키지 분할 후 다시 병합할 수 있고, 데이터셋 버전 스냅샷도 저장할 수 있습니다.
학습
YOLO 계열 YOLOX(Nano / Tiny / S / M / L, 공식 Mosaic·MixUp 증강과 COCO 사전 학습 가중치)v0.3.0. Faster R-CNN(MobileNetV3 / ResNet50), 실시간 loss와 mAP 곡선, 학습 로그, 중간 중지, 학습 기록. 1단계 RetinaNet / FCOS / SSDLite, Mask / Keypoint R-CNN, 분류 모델. 데이터 증강(프리셋 + 미리보기). 기존 모델에서 이어서 학습. 외부 ONNX 모델 가져오기(YOLOv5/v8/v11, YOLOX, RT-DETR 등). 학습 비교.
평가
mAP50, mAP50-95, 정밀도, 재현율, 클래스별 지표, 혼동 행렬. 오류 사례 보기(클릭 한 번으로 돌아가 라벨 수정). 임계값 추천. 오탐 테스트(객체가 없는 영상으로 돌려 시간당 오탐을 계산하고, 오탐 프레임은 클릭 한 번으로 네거티브 샘플로 추가). 현재 데이터로 다시 평가. 납품 보고서 내보내기.
배포
RTSP 카메라 / 로컬 영상으로 실시간 검증하고 스냅샷을 데이터셋에 다시 추가. ONNX / OpenVINO 내보내기, TensorRT / RKNN 변환 패키지. 추론 서비스 패키지 생성(다중 스트림, 경보 규칙, Webhook / MQTT 푸시, HTTP API, 현장 데이터 회수). Xuntong AI 플랫폼에 원클릭 업로드, 플랫폼 경보 이미지는 다시 가져와 라벨링.
개인정보 익명화
데이터셋을 내보내거나 패키지를 분할할 때 얼굴, 번호판 등의 영역을 모자이크 / 흐림 / 검게 칠하기로 처리합니다. 내가 라벨링한 클래스로 지정하거나 자동으로 찾을 수 있습니다. 내보낸 사본만 바꾸며 원본은 그대로입니다.
다운로드해서 시작하기
다운로드해 설치하면 바로 쓸 수 있으며, 처음 실행할 때 원클릭 학습 환경 설치를 안내합니다. v0.2.1 이후 버전을 설치했다면 소프트웨어에서 업그레이드를 알려 주며, v0.4.1부터는 '지금 업데이트'를 클릭하면 다운로드, 설치, 재시작이 자동으로 진행되어 직접 할 일이 없습니다.
| 운영체제 | 지원 버전 | 설치 패키지 |
|---|---|---|
| Windows | Windows 10 / 11(64비트) | .exe 설치 프로그램 |
| macOS | macOS 11 이상, Apple Silicon과 Intel 공용 | .dmg |
| Linux | x86_64: Ubuntu 22.04 이상, Debian 12, UnionTech UOS, Kylin / NeoKylin(x86 컴퓨터) 등 | .deb, .AppImage |
| Linux ARM64 | Phytium, Kunpeng 등 ARM 컴퓨터의 Kylin, UnionTech UOS 등(v0.4.2부터) | .deb, .AppImage |
| 아직 지원하지 않음 | Loongson, HarmonyOS. HarmonyOS 기기에서는 브라우저로 팀 협업 라벨링에 참여할 수 있습니다 | — |
처음 열 때: Windows에서 'Windows의 PC 보호'가 표시되면 '추가 정보 → 실행'을 클릭합니다. Mac은 '응용 프로그램'에서 Wulabel을 우클릭 → 열기를 클릭합니다. Linux의 .deb는 sudo apt install ./파일이름.deb로 설치하고, .AppImage는 실행 권한을 준 뒤(chmod +x) 바로 실행합니다.
사용 중 문제나 기능 요청이 있으면 작성자에게 이메일을 보내 주세요.
이전 버전
- v0.5.2 Windows · Mac · Linux .deb · .AppImage · ARM64 .deb
- v0.5.1 Windows · Mac · Linux .deb · .AppImage · ARM64 .deb
- v0.5.0 Windows · Mac · Linux .deb · .AppImage · ARM64 .deb
- v0.4.2 Windows · Mac · Linux .deb · .AppImage · ARM64 .deb
- v0.4.1 Windows · Mac · Linux .deb · .AppImage
- v0.4.0 Windows · Mac · Linux .deb · .AppImage
- v0.3.0 Windows · Mac
- v0.2.1 Windows · Mac
- v0.2.0 Windows · Mac
- v0.1.0 Windows
버전별 변경 사항은 GitHub 릴리스를 참고하세요.
이런 점이 궁금할 수 있습니다
정말 완전히 무료인가요?
네. Apache-2.0 오픈소스 라이선스를 따르며, 개인 사용과 상업적 사용 모두 무료입니다. 기능 제한도, 계정도, 온라인 인증도 없습니다.
내 이미지와 데이터가 업로드되나요?
아니요. 모든 이미지, 라벨, 학습한 모델은 내 컴퓨터의 프로젝트 폴더에 저장되며, 소프트웨어는 인터넷 연결 없이 실행되고 네트워크 포트도 열지 않습니다. 학습 환경을 설치하거나 사전 학습 가중치와 보조 라벨링 모델을 직접 다운로드할 때만 인터넷에 연결합니다. 'Xuntong AI' 보조 라벨링을 직접 선택했을 때만 인식할 이미지를 Xuntong AI 플랫폼으로 보냅니다. 또한 시작할 때 업데이트를 한 번 확인하며, 버전 번호, 운영체제 종류, 무작위 익명 ID(대략 몇 명이 쓰는지 집계용)만 보내고 이미지와 개인정보는 포함하지 않습니다. 설정에서 끌 수 있습니다.
영상도 라벨링할 수 있나요?
네. 로컬 영상을 가져와 일정 간격으로 프레임을 추출하거나, RTSP 카메라나 라이브 / 다시보기 주소(HTTP-FLV, HLS(m3u8), MP4)에 바로 연결해 수집하면서 저장할 수 있습니다. 라벨링할 때는 두 키프레임 사이를 자동으로 보간하거나 한 프레임에서 앞으로 자동 추적할 수 있어 한 프레임씩 그릴 필요가 없습니다.
여러 사람이 함께 라벨링하려면?
실시간 협업을 지원합니다. 내 컴퓨터가 호스트가 되고, 멤버는 브라우저로 주소를 열어 로그인하면 바로 라벨링할 수 있으며 소프트웨어 설치가 필요 없습니다. 같은 LAN이면 바로 연결하고, 외부 네트워크의 외주 인력은 자체 릴레이 서버나 Xuntong 공식 릴레이를 거쳐 접속할 수 있습니다. 작업 배정, 검수와 반려, 사람별 작업량 집계를 할 수 있습니다. 네트워크가 없을 때는 오프라인으로 패키지를 나눠 라벨링한 뒤 다시 병합할 수 있습니다.
학습에 YOLO를 쓰나요? 어떤 YOLO인가요?
v0.3.0부터 YOLO 계열의 YOLOX를 학습할 수 있으며, Nano, Tiny, S, M, L 다섯 가지 크기가 있습니다. Nano와 Tiny는 CPU와 NPU 엣지 박스에 적합하고, S는 속도와 정확도의 균형이 가장 좋으며, M과 L은 GPU가 있고 정확도가 중요한 경우에 적합합니다. YOLOX 공식 Mosaic, MixUp 등의 데이터 증강과 COCO 사전 학습 가중치를 사용하며, 학습한 뒤 평가, 사전 라벨링, ONNX / OpenVINO / TensorRT / RKNN 내보내기를 할 수 있고 Xuntong AI 플랫폼에 바로 업로드할 수도 있습니다.
YOLOv5 / v8 / v11을 쓰지 않는 이유는 AGPL-3.0 라이선스라 상용 제품에 쓰기에 제약이 있기 때문입니다. YOLOX는 Apache-2.0이므로 학습한 모델을 안심하고 상업적으로 쓸 수 있습니다. 다른 곳에서 학습한 YOLOv5 / v8 / v11 모델도 ONNX로 내보내면 Wulabel로 가져와 사전 라벨링과 평가에 쓸 수 있습니다. 그 밖에 Faster R-CNN, RetinaNet, FCOS, SSDLite, Mask R-CNN 등의 모델도 학습할 수 있습니다.
GPU가 없어도 쓸 수 있나요?
네. 라벨링, 상태 점검, 내보내기에는 GPU가 필요 없습니다. 학습도 CPU만으로 실행되며 조금 느릴 뿐입니다. NVIDIA GPU가 있으면 자동으로 사용합니다.
어떤 데이터셋 형식을 지원하나요?
가져오기와 내보내기 모두 YOLO, COCO, VOC 세 가지 주요 형식을 지원하며, 가져올 때 어떤 형식인지 자동으로 인식합니다. YOLO-seg / pose, COCO 분할 / 키포인트, 클래스 폴더도 지원합니다. 모델은 ONNX로 내보낼 수 있고 OpenVINO, TensorRT, RKNN 변환도 제공합니다. 다른 곳에서 학습한 ONNX 탐지 모델(YOLOv5/v8/v11, YOLOX, RT-DETR 등)을 가져와 사전 라벨링과 평가에 쓸 수도 있습니다.
온라인 라벨링 플랫폼과 무엇이 다른가요?
라벨링, 학습, 평가, 사전 라벨링, 배포를 하나의 오프라인 소프트웨어에 담았으므로 데이터를 클라우드에 올릴 필요도, 학습 환경을 직접 구축할 필요도 없습니다. 내 데이터로 학습한 모델이 바로 돌아와 사전 라벨링을 도와주므로 쓸수록 빨라집니다.
Windows에서 'Windows의 PC 보호'가 표시되거나 브라우저가 안전하지 않다고 경고하면 어떻게 하나요?
설치 패키지에 아직 코드 서명이 없고 다운로드한 사람도 많지 않아 Windows와 브라우저가 게시자를 알아보지 못하기 때문입니다. 새로 나온 작은 소프트웨어는 모두 이렇게 되며, 바이러스가 아닙니다. 설치 패키지는 이 사이트와 GitHub에서 다운로드할 수 있고, 소스 코드는 모두 공개되어 있어 확인할 수 있습니다.
설치할 때 파란색 'Windows의 PC 보호' 창이 나타나면 추가 정보를 클릭한 뒤 실행을 클릭합니다. 브라우저에서 다운로드할 때 '일반적으로 다운로드되지 않음' 또는 '위험할 수 있음'이 표시되면 다운로드 목록에서 ⋯ → 유지를 클릭합니다(Edge는 '그래도 계속'을 한 번 더 클릭). 백신 등 보안 소프트웨어가 차단하면 실행 허용을 선택하거나 신뢰 목록에 추가하세요.
어떤 운영체제를 지원하나요? Linux, Kylin, UOS, HarmonyOS에서 쓸 수 있나요?
Windows 10 / 11(64비트), macOS 11 이상(Apple Silicon과 Intel 공용)을 지원하며, v0.4.0부터 Linux 버전(x86_64, .deb와 .AppImage)도 있습니다. Ubuntu 22.04 이상, Debian 12, UnionTech UOS, x86 컴퓨터의 Kylin / NeoKylin에 설치할 수 있습니다. v0.4.2부터는 ARM64 버전도 있어 Phytium, Kunpeng 컴퓨터의 Kylin, UnionTech UOS에서도 쓸 수 있습니다. Loongson과 HarmonyOS는 아직 지원하지 않으며, HarmonyOS 기기에서는 브라우저로 팀 협업 라벨링에 참여할 수 있습니다.
macOS를 지원하나요?
네. v0.2.0부터 Mac 버전이 있으며(macOS 11 이상, Apple Silicon과 Intel 공용), Apple Silicon에서는 학습할 때 MPS 가속을 자동으로 사용합니다. 처음 열 때 '확인되지 않은 개발자'라는 경고가 나오면 '응용 프로그램'에서 Wulabel을 우클릭 → 열기를 클릭하세요. '손상되었기 때문에 열 수 없습니다'가 나오면 터미널에서 xattr -cr /Applications/Wulabel.app을 실행한 뒤 다시 여세요.
小物学长에게 연락하기
Wulabel은 小物学长이 개발하고 관리합니다. 사용 중 문제가 있거나 새 기능이 필요할 때, 또는 AI 인식 프로젝트 적용이나 모델 맞춤 제작에 대해 이야기하고 싶을 때 언제든 연락 주세요.
이메일: 177183719@qq.com(사용 문의, 기능 제안, 프로젝트 협업 모두 이메일로 보내 주세요)