甲骨文雲（OCI）的人工智慧視覺服務 AI-Vision 近日宣布支援開源數據標註工具 Label Studio，讓 AI 開發者能更有效地訓練客製化模型，透過 Label Studio 進行影像標註，再將數據無縫整合至甲骨文雲平台完成模型訓練與測試。
甲骨文雲（OCI）的人工智慧視覺服務 AI-Vision，近日宣布新增對開源數據標註工具 Label Studio 的支援，此舉將能協助 AI 開發者與資料科學家，更有效率地訓練針對特定需求的客製化模型。
根據《Blogs.oracle.com》報導，Label Studio 是一款開源（open-source）的數據標註軟體，用戶可以透過多種方式安裝，並在本機環境中執行。例如，Mac 使用者可透過「brew」指令安裝。運作後，通常可在本機的特定位址（如 http://localhost:8081/）建立專案並匯入數據，進行影像辨識任務的標註工作。針對物件偵測（object detection）任務，用戶可選擇邊界框（bounding box）功能進行影像區域標註；若為影像分類（image classification）任務，則選擇對應的設定即可。
報導指出，為確保客製化模型訓練品質，每個標籤建議至少使用 10 張影像進行標註。完成標註後，Label Studio 會將帶有標註資訊的數據以 JSON 檔案格式匯出，為模型訓練提供基礎資料。
若要在甲骨文雲（OCI）平台上訓練客製化 AI 視覺模型，使用者需先在其雲端控制台中設定專案，並建立權限政策。這些政策允許用戶群組存取 AI Vision 服務與物件儲存（Object Storage，一種用於儲存和管理非結構化資料的雲端服務），確保數據傳輸與模型訓練的安全性與合規性。例如，需授予管理 ai-service-vision-family 和使用 object-family 的權限。
在甲骨文雲專案建立後，用戶需前往模型（model）分頁，建立資料集（dataset），並選擇模型類型與指定物件儲存位置。此前從 Label Studio 匯出的 JSON 檔案會被轉換成 JSONL 格式，並上傳至指定位置。訓練模型時，用戶再選取這個轉換後的 JSONL 檔案（命名為 object-detection_dataset.jsonl），並提供模型名稱與訓練類型。待模型成功啟用後，便可點選「推論」（inference，即使用訓練好的模型來預測或判斷新數據）功能進行測試，驗證模型成效。