ऑटो लेबल

मॉडल प्रशिक्षण में उपयोग के लिए इमेजेज़ को ऑटो-लेबल करें।

के बारे में

ऑटो लेबल कई विकल्पों में से एक है AI लेबलिंग विशेषताएँ। इस सुविधा का उपयोग करने से क्रेडिट्स हमारे यहाँ सूचीबद्ध दरों पर क्रेडिट्स पेज.

Roboflow Auto Label आपको एक foundation vision model (SAM 3), Roboflow द्वारा प्रशिक्षित मॉडल, या एक सहेजा हुआ वर्कफ़्लो तस्वीरों को स्वचालित रूप से लेबल करने के लिए।

Roboflow Auto Label आपके द्वारा निर्दिष्ट वस्तुओं की पहचान करने के लिए निम्न स्रोतों का उपयोग कर सकता है:

• SAM 3 - एक foundation model जो text prompts से वस्तुओं को लेबल करता है (object detection और segmentation)

• Roboflow में प्रशिक्षित मॉडल (https://github.com/roboflow/docs/tree/main/models/README.md)

  • नोट: फिलहाल केवल वे मॉडल समर्थित हैं जो आपके Annotation Batch के समान dataset से हैं।

• एक सहेजा हुआ वर्कफ़्लो जो आपके प्रोजेक्ट प्रकार के अनुकूल है

कंप्यूटर विज़न मॉडलों के प्रशिक्षण में उपयोग के लिए लाखों छवियों को लेबल करने के लिए Auto Label का उपयोग किया गया है।

यदि आप अपनी हार्डवेयर पर ऑटो-लेबल करना पसंद करते हैं, तो Roboflow यह भी बनाए रखता है Autodistill, मॉडल की एक श्रृंखला के साथ इमेज डेटासेट्स को ऑटो-लेबल करने के लिए एक ओपन-सोर्स फ्रेमवर्क।

Roboflow Auto Label का उपयोग कब करें

यदि आपको वाहनों (जैसे, forklifts), लोगों, सामान्य दोषों (जैसे, दरारें), और सामान्य उत्पादों (जैसे, vinyl records, bread) जैसी आम वस्तुओं को एनोटेट करना है, तो आपको Roboflow Auto Label का उपयोग करना चाहिए।

यदि आपको किसी वस्तु के विशिष्ट प्रकारों की पहचान करनी है, तो SAM 3 जैसे foundation model का उपयोग नहीं करना चाहिए। उदाहरण के लिए, Auto Label अलग-अलग प्रकार की दरारों में अंतर नहीं कर सकता, या इलेक्ट्रॉनिक्स में विशिष्ट दोषों की पहचान नहीं कर सकता।

Roboflow Auto Label के साथ डेटा लेबल करें

Roboflow प्लेटफ़ॉर्म आपको अपनी पूरी बैच पर जॉब चलाने से पहले यह पूर्वावलोकन करने देता है कि Auto Label आपके डेटासेट में डेटा की लेबलिंग क्लासों पर कैसा प्रदर्शन करेगा। लेबलिंग के बाद, आप गुणवत्ता आश्वासन (अनुशंसित) के लिए परिणामों की समीक्षा कर सकते हैं और लेबल किए गए डेटासेट पर मॉडल प्रशिक्षित कर सकते हैं।

चरण #1: डेटा अपलोड करें

सबसे पहले, डेटा Roboflow पर अपलोड करें। हमारी इमेजेज़, वीडियो, और एनोटेशन अपलोड करें निर्देश अधिक जानकारी के लिए देखें।

Roboflow में छवियाँ अपलोड की जा रही हैं।

चरण #2: Auto Label खोलें

एक बार जब आप अपनी सभी छवियाँ अपलोड कर लेते हैं, तो आपसे पूछा जाएगा कि आप अपनी छवियों को कैसे लेबल करना चाहते हैं। "Auto-Label And Review" चुनें।

"Auto-Label And Review" चुनें ताकि Roboflow Auto Label इंटरफ़ेस खुल जाए।

चरण #3: Auto Label कॉन्फ़िगर करें

Auto Label लेबलिंग इंटरफ़ेस दिखाई देगा, जिसमें आप अपनी ऑटो-लेबलिंग जॉब कॉन्फ़िगर कर सकते हैं।

क्लासेज़ (& विवरण)

क्लासेज़ उन लेबलों का प्रतिनिधित्व करती हैं जिन्हें आप छवि में वस्तुओं को असाइन करना चाहते हैं। विवरण उस क्लास के एक दृश्य वर्णन का प्रतिनिधित्व करते हैं जिसका उपयोग foundation model (SAM 3) उन क्लासों के उदाहरणों की पहचान करने के लिए करेगा। डिफ़ॉल्ट रूप से, विवरण क्लास नाम होगा।

Auto Label तब सबसे अच्छा काम करता है जब स्पष्ट दृश्य विवरणों वाली सामान्य वस्तुओं को लेबल किया जाए। उदाहरण के लिए, Auto Label उत्पादन लाइन पर एक एल्युमिनियम कैन का स्थान पहचान सकेगा। लेकिन Auto Label विशिष्ट आवश्यकताओं के अनुसार छवियों को लेबल नहीं कर पाएगा, जैसे कि एल्युमिनियम कैन के ब्रांड में अंतर करना।

टेस्ट परिणाम जनरेट किए जा रहे हैं

एक बार Auto Label कॉन्फ़िगर करने के बाद, अपने डेटासेट के एक छोटे उपसमुच्चय पर अपनी क्लासों का परीक्षण करने के लिए "Generate Test Results" पर क्लिक करें। डिफ़ॉल्ट रूप से, चार छवियाँ चुनी जाती हैं।

Auto Label इंटरफ़ेस।

चरण #4: Roboflow Auto Label लेबल्स का मूल्यांकन करें

उदाहरण छवि पर "aluminum can" क्लास का उपयोग करने पर ये परीक्षण परिणाम हैं। यहाँ से, आप:

Auto Label एल्युमिनियम कैन को एनोटेट कर रहा है।

अपनी क्लासेज़ और विवरण समायोजित करें

यदि Auto Label छवियों को अपेक्षित रूप से लेबल नहीं करता, तो अपनी क्लासों के लिए अलग-अलग विवरणों का परीक्षण करें।

सभी परीक्षण परिणाम निःशुल्क हैं और किसी क्रेडिट का उपयोग नहीं करते।

विश्वास (कॉनफ़िडेंस) समायोजित करें

प्रत्येक क्लास के दाईं ओर की संख्या इस रूप में दर्शाई जाती है: (इस क्लास के दिखाए गए बॉक्स) / (इस क्लास के कुल बॉक्स)। आप अधिक या कम बॉक्स फ़िल्टर करने के लिए प्रत्येक क्लास की confidence threshold समायोजित कर सकते हैं। अधिक confidence का मतलब है कि कम बॉक्स दिखाए जाएंगे।

यहाँ सेट की गई confidence threshold वही होगी जो पूरी बैच को लेबल करते समय उपयोग होगी, इसलिए सुनिश्चित करें कि यह सही दिख रही है!

विभिन्न छवियों पर परीक्षण करें

अपनी बैच की विभिन्न छवियों पर Auto Label के प्रदर्शन की समीक्षा करने के लिए, नीचे बाईं ओर "Test images" सेक्शन में किसी छवि पर क्लिक करें। उस छवि का पूर्वावलोकन बिना कोई अतिरिक्त बटन दबाए तुरंत लोड हो जाना चाहिए।

वर्कफ़्लो के साथ लेबल करें

foundation या प्रशिक्षित मॉडल के बजाय, आप एक सहेजे हुए के साथ ऑटो-लेबल कर सकते हैं वर्कफ़्लो, जिससे आप अपनी बैच को लेबल करने के लिए SAHI, मॉडल एंसेंबल्स, और बहु-चरणीय कस्टम लॉजिक का उपयोग कर सकते हैं।

Auto Label मॉडल ड्रॉपडाउन में, "Workflows" टैब खोलें और एक वर्कफ़्लो चुनें। केवल आपके प्रोजेक्ट प्रकार (detection, segmentation, या classification) के अनुकूल वर्कफ़्लो सूचीबद्ध होते हैं।

वर्कफ़्लो चुनने के बाद, उसकी प्रत्येक आउटपुट क्लास को अपने प्रोजेक्ट की एक क्लास से मैप करें और प्रति-क्लास confidence threshold सेट करें। जॉब शुरू करने से पहले मैपिंग की पुष्टि करने के लिए नमूना छवियों पर पूर्वावलोकन चलता है।

केवल वही क्लासेज़ लागू होती हैं जिन्हें आप मैप करते हैं। जिन आउटपुट क्लासों की मैपिंग नहीं है, उन्हें हटा दिया जाता है, इसलिए अपने प्रोजेक्ट में वापस लिखी जाने वाली हर क्लास को मैप करें।

जब मैपिंग सही लगे, तो जॉब शुरू करने के लिए "Auto Label With This Workflow" पर क्लिक करें। यह बैकग्राउंड में चलता है और आपकी बैच पर मैप किए गए लेबल लागू करता है।

अपनी बैच पर Auto Label चलाएँ

यदि Auto Label आपकी छवियों को अपेक्षा के अनुसार लेबल करता है, तो "Auto Label with This Model" पर क्लिक करें। सारांश मॉडेल की समीक्षा करें, और आगे बढ़ने के लिए क्लिक करें। एक हज़ार छवियों को लेबल करने में कुछ मिनट लगने चाहिए।

जैसे ही जॉब शुरू होता है, आपको Annotate पेज पर ले जाया जाता है, जहाँ नया Auto Label जॉब आपके अन्य annotation jobs के साथ सूचीबद्ध होता है। Auto Label बैकग्राउंड में चलता है, इसलिए समाप्त होने पर आप वहाँ परिणामों की समीक्षा कर सकते हैं।

HTTP एपीआई

आप REST API का उपयोग करके प्रोग्रामेटिक रूप से ऑटो-लेबलिंग जॉब शुरू और ट्रैक कर सकते हैं। Auto Label बैच में छवियों को स्वचालित रूप से एनोटेट करने के लिए foundation models (SAM 3) या आपके अपने प्रशिक्षित Roboflow मॉडलों का उपयोग करता है।

इन endpoints के लिए आवश्यक है स्कोप्ड API कुंजियाँ के साथ annotationJob.create और annotationJob.read क्रमशः स्कोप्स।

Auto Label जॉब बनाएँ

ऑटो-लेबल जॉब शुरू करने के लिए, एक POST अनुरोध करें:

curl --location --request POST 'https://api.roboflow.com/${WORKSPACE}/${PROJECT}/autolabel?api_key=${ROBOFLOW_API_KEY}' \\
--header 'Content-Type: application/json' \
--data-raw '{
    "batchId": "<BATCH_ID>",
    "modelType": "sam3",
    "ontology": {"एक कुत्ता": "कुत्ता", "एक बिल्ली": "बिल्ली"}
}'

आप इसे छोड़ भी सकते हैं ऑन्टोलॉजी ताकि API इसे आपके मॉडल या डेटासेट क्लासों से स्वतः निकाल सके:

curl --location --request POST 'https://api.roboflow.com/${WORKSPACE}/${PROJECT}/autolabel?api_key=${ROBOFLOW_API_KEY}' \\
--header 'Content-Type: application/json' \
--data-raw '{
    "batchId": "<BATCH_ID>",
    "modelType": "sam3"
}'

अनुरोध बॉडी

पैरामीटर	प्रकार	आवश्यक	विवरण
batchId	स्ट्रिंग	हाँ	लेबल करने के लिए छवि बैच की ID।
modelType	स्ट्रिंग	हाँ	उपयोग करने वाला मॉडल। इनमें से एक: sam3, custom_roboflow.
ऑन्टोलॉजी	ऑब्जेक्ट या ऐरे	नहीं	प्रॉम्प्ट्स को क्लास नामों से मैप करता है। नीचे दिए गए प्रारूप देखें। जब इसे छोड़ा जाता है, तो यह स्वतः व्युत्पन्न किया जाता है (देखें Ontology स्वतः-व्युत्पत्ति).
numImagesToLabel	संख्या	नहीं	लेबल की जाने वाली छवियों की संख्या। डिफ़ॉल्ट रूप से पूरी बैच।
defaultConfidence	संख्या	नहीं	सभी क्लासों पर लागू confidence threshold (0-1)।
confidenceThresholds	ऑब्जेक्ट	नहीं	प्रति-क्लास confidence thresholds, उदाहरण के लिए: {"कुत्ता": 0.5, "बिल्ली": 0.7}.
reviewerEmail	स्ट्रिंग	नहीं	जिस workspace सदस्य को reviewer के रूप में असाइन करना है, उसका ईमेल। डिफ़ॉल्ट रूप से workspace owner।
runNMS	बूलियन	नहीं	क्या non-max suppression चलानी है। डिफ़ॉल्ट रूप से true.
modelOptions	ऑब्जेक्ट	नहीं	अतिरिक्त मॉडल-विशिष्ट विकल्प (उदा. {"modelId": "your-model/1"} के लिए custom_roboflow).

Ontology प्रारूप

यह ऑन्टोलॉजी फ़ील्ड कई प्रारूप स्वीकार करता है। सभी को आंतरिक रूप से सामान्यीकृत किया जाता है।

ऑब्जेक्ट (मानक) - कुंजियाँ prompts होती हैं, मान class names होते हैं:

{"एक कुत्ता": "कुत्ता", "एक बिल्ली": "बिल्ली"}

स्ट्रिंग्स की ऐरे - प्रत्येक स्ट्रिंग को prompt और class name दोनों के रूप में उपयोग किया जाता है:

["कुत्ता", "बिल्ली"]

ऑब्जेक्ट्स की ऐरे:

[{"class": "कुत्ता", "prompt": "एक कुत्ता"}, {"class": "बिल्ली", "prompt": "एक बिल्ली"}]

Ontology स्वतः-व्युत्पत्ति

जब ऑन्टोलॉजी को छोड़ा जाता है (या खाली होता है), तो API इसे निम्न के आधार पर स्वतः व्युत्पन्न करने का प्रयास करेगा: modelType:

मॉडल प्रकार	व्युत्पत्ति स्रोत
custom_roboflow	में निर्दिष्ट मॉडल से प्रशिक्षित क्लासों का उपयोग करता है modelOptions.modelId.
sam3	डेटासेट में परिभाषित क्लास नामों का उपयोग करता है।

यदि डेटासेट में locked annotation classes हैं, तो व्युत्पन्न ontology को अनुमत क्लासों के साथ intersect किया जाता है ताकि कोई अमान्य annotation न बने।

अनुरोध एक 400 त्रुटि के साथ विफल होगा यदि ontology व्युत्पन्न नहीं की जा सकती, उदाहरण के लिए जब डेटासेट में कोई क्लास न हों या मॉडल क्लासें डेटासेट की locked classes से मेल न खाएँ। संभावित errorType मान:

• MISSING_MODEL_ID - modelOptions.modelId के लिए आवश्यक है custom_roboflow जब ontology प्रदान नहीं की जाती।

• MODEL_CLASSES_UNAVAILABLE - निर्दिष्ट मॉडल में कोई क्लास नहीं हैं।

• NO_MATCHING_CLASSES - मॉडल की क्लासें डेटासेट की locked classes से ओवरलैप नहीं करतीं।

• DATASET_HAS_NO_CLASSES - डेटासेट में कोई क्लास परिभाषित नहीं है (के लिए sam3).

प्रतिक्रिया

{
    "jobId": "auto-label-job-uuid",
    "annotationJobId": "annotation-job-uuid",
    "message": "Automatic labeling job created"
}

Auto Label जॉब की स्थिति प्राप्त करें

ऑटो-लेबल जॉब की प्रगति जाँचने के लिए, एक GET अनुरोध करें:

curl 'https://api.roboflow.com/${WORKSPACE}/autolabel/jobs/${JOB_ID}?api_key=${ROBOFLOW_API_KEY}'

का उपयोग करें jobId जो create endpoint से लौटता है।

प्रतिक्रिया

{
    "id": "auto-label-job-uuid",
    "status": "pending",
    "modelType": "sam3",
    "projectType": "object-detection",
    "projectId": "project-id",
    "annotationJobId": "annotation-job-uuid",
    "numImages": 100,
    "numImagesSentBack": 0,
    "subjobs": [
        {"id": "subjob-1", "status": "pending"},
        {"id": "subjob-2", "status": "done"}
    ],
    "ontology": {"एक कुत्ता": "कुत्ता"},
    "confidenceThresholds": {"कुत्ता": 0.5},
    "startTime": "2026-01-01T00:00:00.000Z"
}