[프로젝트 배경]

1) 문제점
- 인공지능 모델 개발을 위해 대량의 이미지 데이터를 관리해야 하나, 파일이 여러 위치에 흩어져 있어 찾기 어렵고 정리도 비효율적이었음
- 파일명이 제각각이라 중복되거나 누락된 데이터를 식별하기 힘들었음
- 라벨링 작업에 많은 시간이 소요되었고, 수작업 중심이라 정확도와 일관성을 유지하기 어려웠음
- 개인 PC나 팀원별로 데이터를 보관해 퇴사나 이동 시 데이터 유실 및 연속성 저하 발생

2) 프로젝트 목표
- 이미지 데이터를 한 곳에서 통합 관리하고, 검색할 수 있는 시스템 구축
- 인공지능 기반 자동 라벨링 기능을 통해 라벨링 시간을 단축하고 정확도 향상
- 라벨링 유형(Classification, Keypoint, Bounding Box, Segmentation) 전부 지원하는 플랫폼 구현
- 중앙 서버에 데이터를 보존하여 사용자 변경 시에도 유실 없이 지속 사용 가능하도록 구성

3) 주안점
- 이미지 파일명/내용 분석 기반의 유사 이미지 검색 기능
- 사용자 질문에 AI가 분석 후 이미지로 답변하는 인터페이스 개발
- 데이터 보존 및 접근 권한 제어를 통한 보안 강화
- 이미지 관리와 라벨링 과정을 웹 기반 UI와 Python SDK로 누구나 쉽게 사용 가능하도록 구현

[1] 포트폴리오 소개
카테고리: 인공지능(AI), 데이터 툴
타깃 사용자: AI 개발자, 데이터 라벨러, 일반 사용자 (개발 지식 없이도 사용 가능)
Ingradient는 이미지 데이터셋을 쉽게 만들고 관리할 수 있도록 도와주는 오픈소스 라벨링 도구입니다.
개발자뿐 아니라 일반 사용자도 직관적인 웹 화면을 통해 직접 라벨링 작업을 할 수 있도록 설계되어 있습니다.
Classification, Keypoint, Bounding Box, Segmentation 라벨링을 모두 지원합니다.


[2] 작업 범위
- 전체 서비스 기획 및 구조 설계
- 백엔드 API 개발 (FastAPI)
- 프론트엔드 개발 (Next.js 정적 웹사이트)
- Python SDK 개발
- Docker 배포 환경 구축
- 로컬 실행 및 서버 실행 지원 (윈도우, 맥, 리눅스 모두 가능)
- 반응형 웹 인터페이스 제공


[3] 주요 기능 및 업무
- 데이터셋 관리: 데이터셋 생성, 수정, 삭제
- 이미지 업로드 및 관리: 이미지 업로드, 삭제, 클래스 설정
- 라벨링 기능:
- 이미지 분류(Classification)
- 키포인트(Keypoint)
- 바운딩 박스(Bounding Box)
- 세그멘테이션(Segmentation)
- Python SDK를 통한 프로그래밍 연동 지원
- Swagger를 통한 API 문서 자동 생성 (/docs에서 확인 가능)
- Docker로 한 줄 명령 실행 가능