For the complete documentation index, see llms.txt. This page is also available as Markdown.

自動ラベル付け

モデル学習用に画像へ自動でラベルを付けます。

概要

Auto Labelは、多数ある AIラベリング 機能の1つです。この機能を使用すると、 クレジット が消費されます。料金は クレジットのページ.

に記載されています。Roboflow Auto Labelでは、基盤ビジョンモデル(Gemini 4 Argon、Gemini 4 Carbon、GPT-6 Astra、GPT-6.1 Sol、GPT-6.1 Terra、SAM 3、Gemini 3.8 Flash、Claude Opus 5.5)、Roboflowでトレーニングしたモデル、または保存済みの Workflow を使用して、画像に自動でラベルを付けることができます。

Auto Labelは、物体検出、インスタンスセグメンテーション、分類、キーポイント検出のプロジェクトで利用できます。セマンティックセグメンテーションのプロジェクトにはラベルを付けられません。

キーポイント検出プロジェクトでは、Auto LabelはRoboflowでトレーニングしたキーポイント検出モデルを使用します。基盤モデルとWorkflowは利用できません。Auto Labelは、 スケルトンが設定されていないクラスのインスタンスをスキップします。これらのクラスについてはページ上で警告されます。モデルのどのクラスにもスケルトンが設定されていない場合、ジョブは開始されず、APIは次の値を含む 400 を返します: errorType MISSING_KEYPOINT_SKELETON。予測された各キーポイントは、同じ名前のスケルトンキーポイントに対応付けられます。そのため、トレーニング後に追加または名前を変更したキーポイントは、非表示として保存されます。

Roboflow Auto Labelでは、指定したオブジェクトを識別するために、次のソースを使用できます。各基盤モデルは1回だけ記載し、プロジェクトの種類でサポートされるラベル形式を示しています:

  • Gemini 4 Argon:物体検出ではボックス、インスタンスセグメンテーションではマスクまたはポリゴン

  • Gemini 4 Argon + SAM 3:Gemini 4 Argonが各インスタンスを検出し、SAM 3が検出された各ボックス内に形状を描画します。マスクまたはポリゴン(インスタンスセグメンテーションのみ)

  • Gemini 4 Carbon:ボックス(物体検出のみ)

  • Gemini 4 Carbon + SAM 3:Gemini 4 Carbonが各インスタンスを検出し、SAM 3が検出された各ボックス内に形状を描画します。マスクまたはポリゴン(インスタンスセグメンテーションのみ)

  • GPT-6 Astra:物体検出ではボックス、インスタンスセグメンテーションではマスクまたはポリゴン

  • GPT-6 Astra + SAM 3:GPT-6 Astraが各インスタンスを検出し、SAM 3が検出された各ボックス内に形状を描画します。マスクまたはポリゴン(インスタンスセグメンテーションのみ)

  • GPT-6.1 Sol:物体検出ではボックスを使用します。精度はGPT-6 Astraに近く、トークンコストは低くなります。分類プロジェクトでは、GPT-6.1 Sol (Classes)とGPT-6.1 Sol (Multi-Label)が、クラス名または説明をもとに各画像に一致するクラスを選択します。説明はカンマを使わず、短くしてください。

  • GPT-6.1 Terra:物体検出ではボックスを使用します。分類プロジェクトでは、GPT-6.1 Terra (Classes)とGPT-6.1 Terra (Multi-Label)はGPT-6.1 Solの各オプションと同様に動作します。トークン料金はGPT-6.1 Solの半額です。

  • GPT-6.1 Terra + SAM 3:GPT-6.1 Terraが各インスタンスを検出し、SAM 3が検出された各ボックス内に形状を描画します。マスクまたはポリゴン(インスタンスセグメンテーションのみ)

  • SAM 3:テキストプロンプトからオブジェクトにラベルを付けます。マスクまたはポリゴン(物体検出およびセグメンテーション)

  • Gemini 3.8 Flash:ボックス(物体検出のみ)

  • Claude Opus 5.5:ボックス(物体検出のみ)。クラスが不明瞭な場合や、シーンが複雑な場合にお試しください。トークンコストはGeminiより高くなることがよくあります。

  • CLIP (Classes):CLIPが各画像に最も近いクラスを選択します(単一ラベル分類のみ)。GPT-6.1 Solより精度は低いものの、すべてのプランで利用でき、Auto Labelクレジットのみを使用します。

  • Roboflowでトレーニングしたモデル(Models)

    • 注:現在、アノテーションバッチと同じデータセットのモデルのみがサポートされています。

  • 保存済みの Workflow プロジェクトの種類に対応したもの

モデルが複数の形式に対応している場合は、モデル名の横にあるコントロールで形式を選択します(例:マスクまたはポリゴン)。Roboflowはプロジェクトごとに選択内容を記憶します。物体検出プロジェクトでは、マスクとポリゴンはボックスとしてトレーニングされます。概要モーダルには選択した形式が表示されます。

テスト結果には、モデルが返す形状が表示されます。選択した形式はジョブがラベルを保存するときに適用されるため、形式を切り替えてもテストは再実行されません。Gemini 4 ArgonまたはGPT-6 Astraでポリゴンを保存すると、インスタンスの個別の部分はそれぞれ独立したポリゴンになり、穴は塗りつぶされます。

物体検出および分類プロジェクトでは、GPT-6.1 Terraがデフォルトで選択されます。インスタンスセグメンテーションプロジェクトでは、GPT-6.1 Terra + SAM 3が選択されます。ただし、Blocks Governanceによって必要なブロックが無効化されている場合は、SAM 3が選択されます。Gemini 4 Argonは、オープンボキャブラリーのクラス名、視認可能なテキスト、オブジェクト間の関係の処理に優れています。Geminiのトークン使用料は画像ごとのクレジットに加算されるため、SAM 3より画像あたりの費用が高くなります。GPT-6 Astra、GPT-6 Astra + SAM 3、GPT-6.1 Sol、GPT-6.1 Terra、GPT-6.1 Terra + SAM 3では、クレジットに加えてOpenAIのトークン使用料が請求されます。Gemini 4 Argon + SAM 3、Gemini 4 Carbon、Gemini 4 Carbon + SAM 3では、クレジットに加えてGeminiのトークン使用料が請求されます。

Coreの有料月額クレジットプランには、Roboflowが提供するOpenAIキーの利用が含まれます。独自のワークスペースOpenAIキーを使用することもできます。

Auto Labelは、コンピュータービジョンモデルのトレーニングに使用する画像のラベル付けに、これまで数百万枚の画像で利用されています。

ワークスペースで Blocks Governanceを使用している場合、ブロックが無効になっているモデルも一覧に表示されますが、理由とともにグレーアウトされ、選択できません。必要なブロックを有効にするには、Super Userに依頼してください。

独自のハードウェアで自動ラベル付けを行いたい場合は、Roboflowがメンテナンスしている Autodistillも利用できます。これは、さまざまな基盤モデルを使って画像データセットを自動でラベル付けするためのオープンソースフレームワークです。

Roboflow Auto Labelを使う場面

車両(フォークリフトなど)、人物、一般的な欠陥(ひび割れなど)、一般的な製品(レコードやパンなど)といった一般的なオブジェクトにアノテーションを付ける必要がある場合は、Roboflow Auto Labelを使用してください。

オブジェクトの特定のバリエーションを識別する必要がある場合は、SAM 3のような基盤モデルを使用しないでください。たとえば、Auto Labelではひび割れの種類を区別したり、電子機器の固有の欠陥を識別したりできません。

Roboflow Auto Labelでデータにラベルを付ける

Roboflowプラットフォームでは、データセット全体に対してジョブを実行する前に、データクラスにラベルを付ける際のAuto Labelの動作をプレビューできます。ラベル付け後は、品質保証のために結果を確認し(推奨)、ラベル付きデータセットでモデルをトレーニングできます。

ステップ#1:データをアップロードする

まず、Roboflowにデータをアップロードします。詳しくは、 画像、動画、注釈をアップロードする 手順をご覧ください。

Roboflowへの画像のアップロード。

ステップ#2:Auto Labelを開始する

すべての画像をアップロードすると、画像にどのようにラベルを付けるかを尋ねられます。「自動ラベル付けしてレビュー」を選択します。

「自動ラベル付けしてレビュー」を選択すると、Roboflow Auto Labelのインターフェースが開きます。

ステップ#3:Auto Labelを設定する

Auto Labelのラベル付けインターフェースが表示され、ラベル付けジョブを設定できます。

クラス(と説明)

クラスは、画像内のオブジェクトに付けるラベルを表します。説明は、基盤モデルがクラスのインスタンスを識別するために使う、クラスの視覚的な説明です。デフォルトでは、クラス名が説明として設定されます。

GPT-6 Astra、SAM 3、Geminiは、いずれも説明を使って検索し、見つけたものをクラス名で保存します。たとえば、クラスが「傘」、説明が「緑色の傘」の場合、緑色の傘が見つかり、「傘」とラベル付けされます。各クラスにはそれぞれ異なる説明を設定してください。2つのクラスで同じ説明を使うと、Auto Labelはプレビューまたはジョブを受け付けません。トレーニング済みモデルは説明を使用せず、トレーニング時に使用したクラスのラベルを付けます。

Auto Labelは、一般的なオブジェクトを明確な視覚的説明に基づいてラベル付けする場合に最も効果を発揮します。たとえば、生産ライン上のアルミ缶の位置を識別できます。一方、アルミ缶のブランドを区別するなど、特定の要件に従って画像にラベルを付けることはできません。

テスト結果を生成する

Auto Labelの設定が完了したら、「テスト結果を生成」をクリックして、データセットの小さなサブセットでクラスをテストします。デフォルトでは、4枚の画像が選択されます。

Auto Labelのインターフェース。

ステップ#4:Roboflow Auto Labelのラベルを評価する

以下は、サンプル画像に「アルミ缶」クラスを適用した場合のテスト結果です。ここでは、次の操作ができます。

Auto Labelによるアルミ缶のアノテーション。

クラスと説明を調整する

Auto Labelが期待どおりに画像にラベルを付けない場合は、クラスの説明を変えてテストしてみてください。

テスト結果はすべて無料で、クレジットも消費しません。

信頼度を調整する

各クラスの右側の数値は、「表示されているそのクラスのボックス数」/「そのクラスのボックス総数」を表します。クラスごとに信頼度のしきい値を調整して、表示するボックスを増減できます。信頼度を高くすると、表示されるボックスは少なくなります。

ここで設定した信頼度のしきい値は、バッチ全体にラベルを付ける際にも使用されます。適切な値になっていることを確認してください。

SAM 3を除くすべての基盤モデルは、すべてのラベルを信頼度100%で返すため、設定するしきい値はありません。いずれかを選択すると、スライダーとプレビューラベルの信頼度は表示されません。

GPT-6.1 SolとGPT-6.1 Terraは、分類プロジェクトで独自の信頼度を報告します。しきい値は0.9から始まり、信頼度がしきい値を上回る場合にのみ、ジョブでラベルが保持されます。しきい値を指定しないAPIジョブでも0.9が使用されます。

CLIP(クラス)は信頼度ではなく類似度で各クラスを評価するため、設定するしきい値はありません。単一ラベル分類プロジェクトでは、各画像について最も高いスコアのクラスのみがジョブで保持されます。

キーポイント検出プロジェクトでは、クラスのしきい値によって保持するインスタンスが決まります。また、テスト結果の読み込み後に「キーポイントのしきい値」という2つ目のスライダーが表示されます。これは、キーポイントを可視として保存するために必要な最低信頼度を設定します。しきい値を下回るキーポイントは、不可視として保存されます。デフォルトは60%で、ジョブにも同じ値が使用されます。

別の画像でテストする

バッチ内の別の画像でAuto Labelの性能を確認するには、左下の「テスト画像」セクションで画像をクリックします。追加のボタンを押さなくても、その画像のプレビューがすぐに読み込まれます。

ワークフローでラベルを付ける

基盤モデルやトレーニング済みモデルの代わりに、保存済みの ワークフローを使って自動ラベル付けできます。これにより、SAHI、モデルアンサンブル、複数ステップのカスタムロジックを使ってバッチにラベルを付けられます。

Auto Labelのモデルのドロップダウンで「ワークフロー」タブを開き、ワークフローを選択します。プロジェクトの種類(検出、セグメンテーション、分類)に対応するワークフローのみが一覧に表示されます。

ワークフローを選択したら、各出力クラスをプロジェクト内のクラスに対応付け、クラスごとの信頼度しきい値を設定します。ジョブを開始する前に対応付けを確認できるよう、サンプル画像でプレビューが実行されます。

適用されるのは、対応付けたクラスのみです。対応付けのない出力クラスは破棄されるため、プロジェクトに反映させたいクラスはすべて対応付けてください。

対応付けに問題がなければ、「このワークフローで自動ラベル付け」をクリックしてジョブを開始します。ジョブはバックグラウンドで実行され、対応付けたラベルがバッチに適用されます。

バッチにAuto Labelを実行する

Auto Labelが期待どおりに画像にラベルを付けた場合は、「このモデルで自動ラベル付け」をクリックします。概要モーダルを確認し、続行するボタンをクリックします。1,000枚の画像へのラベル付けには数分かかります。

モーダルには費用の内訳が表示されます。Auto Labelは画像ごとに一定数のクレジットを消費します。Gemini 4 Argon、Gemini 4 Carbon、Gemini 3.8 Flash、Claude Opus 5.5、および外部AIモデルを呼び出すワークフローでは、クレジットに加えて、そのモデルの利用料金が発生します。

Roboflow提供のモデルの場合、モーダルにはそのモデルを使った最近のテスト結果に基づく利用料金の見積もりが表示されます。最近のテスト結果がない場合は、画像1枚あたりのモデルの平均費用が使われます。実際のジョブ費用は見積もりより高くなる場合も低くなる場合もあります。見積もり総額がワークスペースの残りの利用可能額を超える場合、ジョブは開始されません。ワークスペース独自のプロバイダーキーで実行するモデルは、クレジットでの利用料金が発生しません。

ジョブが開始されると、アノテーションページに移動します。そこには、新しいAuto Labelジョブが他のアノテーションジョブと並んで表示されます。Auto Labelはバックグラウンドで実行されるため、完了後にそこで結果を確認できます。

既存のアノテーション

バッチ内の画像にすでにアノテーションが付いている場合、概要モーダルでAuto Labelによる処理方法を尋ねられます。次のいずれかを選択するまで、ジョブは開始されません。

  • 「既存のアノテーションを保持」は、各画像の既存のアノテーションにAuto Labelの予測を追加します。

  • 「既存のアノテーションとマージ」は、既存のアノテーションを保持し、同じクラスの既存のアノテーションと重複しない予測のみを追加します(重複の判定基準はIoUが0.5以上)。一部のオブジェクトがすでにラベル付けされている場合に使用すると、自動ラベル付けで二重にラベル付けされるのを防げます。

  • 「既存のアノテーションを置き換え」は、既存のアノテーションを削除し、自動ラベル付けの予測のみを保存します。

Python SDK、CLI、MCP Serverでは、これらのモードを preserve, merge および replaceと呼び、いずれも選択しない場合は replace を使用します。

動作認識動画の自動ラベル付け

動作認識プロジェクトでは、自動ラベル付けによってバッチ内の動画で各動作が発生するタイミングがマークされます。

  1. 動画のバッチを開き、自動ラベル付けを選択します。

  2. ラベル付けする動作を選択します。モデルの精度を高めるため、各動作がどのようなときに発生するかを短く説明します。

  3. 「サンプルFPS」を設定します(0.5~12、デフォルトは8)。値を高くすると短い動作を捉えやすくなりますが、コストが増加します。

  4. 任意:1本の動画の一部で動作をテストします。タイムライン上でハイライトされた範囲をドラッグして最大30秒を選択し、「プレビューを実行」をクリックします。検出されたセグメントがタイムラインに表示されます。プレビューにはクレジットが消費され、結果は保存されません。

  5. 「すべての動画にアノテーションを付ける」をクリックし、コストを確認してから「自動ラベル付けを開始」をクリックします。

自動ラベル付けでは、モデルが確認する各フレームに加え、OpenAIのトークン使用量に対してクレジットが課金されます。このジョブは、対象の動画にすでにあるセグメントを置き換えます。承認前にすべてのセグメントをレビューします。各動画の長さは最大30分です。

エージェントからの自動ラベル付け

バッチのラベル付けを Roboflow Agent に依頼できます。物体検出プロジェクトでは、Gemini 4 Argon、Gemini 4 Carbon、GPT-6 Astra、GPT-6.1 Sol、GPT-6.1 Terra、Gemini 3.8 Flash、Claude Opus 5.5、SAM 3、ユーザーがトレーニングしたモデル、または保存済みのWorkflowを使用できます。モデルを指定しない場合はGPT-6.1 Terraを使用します。保存済みのクラスの説明がプロンプトとして使用され、説明のないクラスにはクラス名が使用されます。

エージェントに新しいクラスを依頼する際は、その外見を伝えてください(例:黄色いヘルメットをかぶった作業員)。エージェントはそのテキストをクラスの説明として保存し、プロンプトとして使用します。

エージェントはまず1枚の画像にラベルを付け、モデルが何を検出するかを確認できるようにします。その後、クレジットのコストを提示し、ジョブを開始する前に一度確認を求めます。ジョブはバックグラウンドタスクとして実行され、完了するとエージェントがレビュー用に開きます。レビュー中の画像を承認または却下するようエージェントに依頼することもできます。エージェントはジョブと画像数を表示し、確認を待ちます。承認された画像は、別のステップとして追加を依頼するまでデータセットには入りません。

HTTP API

独自のコードから自動ラベル付けジョブを開始し、進捗を追跡できます。一般的な実行では、モデルの一覧を取得し、サンプル画像で1つまたは2つのモデルをプレビューしてから、バッチでジョブを開始し、完了するまでポーリングします。

これらのエンドポイントには、 annotation-job:create または annotation-job:read スコープを持つワークスペースAPIキーを指定します。また、 OAuthアクセストークンも使用できます。MCP Serverはこの方法でジョブを開始します。トークンで開始されたジョブはプロジェクトの課金用APIキーで実行されるため、トークンの有効期限が切れた後もラベル付けが続行されます。アプリのアクセスがプロジェクトフォルダーに制限されている場合、開始できるのは基盤モデルを使用するジョブのみです。カスタムモデルまたは保存済みのWorkflowを使用するジョブは、ワークスペースAPIキーで開始してください。

自動ラベル付けモデルの一覧を取得

List Auto Label foundation models

get

Lists the Auto Label foundation models your workspace can see, with the credits each uses per image. A model your plan does not include has available set to false. Pass a model's id as modelType to preview it or start a job. Requires annotation-job:read.

認可
Authorizationstring必須

Roboflow API key or OAuth access token.

パスパラメータ
workspacestring必須

Workspace URL slug.

レスポンス
200

Successful response.

application/json
get/{workspace}/autolabel/models
GET /{workspace}/autolabel/models HTTP/1.1
Host: api.roboflow.com
Authorization: Bearer YOUR_SECRET_TOKEN
Accept: */*
{
  "models": [
    {
      "id": "gemini-3-8-flash-boxes",
      "aliases": [
        "gemini-boxes"
      ],
      "name": "Gemini 3.8 Flash (Boxes)",
      "family": "gemini-3-8-flash",
      "familyName": "Gemini 3.8 Flash",
      "labelType": "Box labels",
      "description": "Gemini 3.8 Flash detects your classes with bounding boxes",
      "guidance": "Alternative to GPT-6 Astra for open-vocabulary detection, niche class names, visible text, and object relationships, at a lower token price. Reports fixed confidence, so thresholds do not apply.",
      "projectTypes": [
        "object-detection"
      ],
      "outputFormat": "bbox",
      "ontologyFormat": "classes",
      "fixedConfidence": true,
      "creditsPerImage": 2,
      "isDefault": false,
      "available": true
    }
  ]
}

モデルをプレビュー

有料ジョブを開始する前に、プレビューを使用してモデルを比較できます。

Preview an Auto Label model

post

Runs one image through a foundation model and returns the predictions with a summary per class. Previews are free, create no job, and are limited to 200 per workspace per day. Leave out ontology to use the project's classes. Requires annotation-job:create.

認可
Authorizationstring必須

Roboflow API key or OAuth access token.

パスパラメータ
workspacestring必須

Workspace URL slug.

projectstring必須

Project URL slug.

本文
modelTypestring必須

A model id from List Auto Label models.

Example: gemini-3-8-flash-boxes
ontologyone ofオプション

Maps prompts to class names. Send an object of prompt to class name, an array of class names (each is also its prompt), or an array of { class, prompt } objects. Leave it out to use the project's classes, or the trained model's classes for custom_roboflow.

Example: {"a dog":"dog","a cat":"cat"}
または
string[]オプション

Class names, each used as its own prompt.

または
confidenceThresholdnumber · 最大: 1オプション

SAM 3 models only. Lowest confidence returned.

レスポンス
200

Successful response.

application/json
modelstringオプション

The modelType you sent.

blockErrorsstring[]オプション

Present when a Workflow step failed, so an empty result is not a real negative.

post/{workspace}/{project}/autolabel/preview
POST /{workspace}/{project}/autolabel/preview HTTP/1.1
Host: api.roboflow.com
Authorization: Bearer YOUR_SECRET_TOKEN
Content-Type: application/json
Accept: */*
Content-Length: 128

{
  "modelType": "gemini-3-8-flash-boxes",
  "image": {
    "type": "url",
    "value": "https://example.com/image.jpg"
  },
  "ontology": {
    "a dog": "dog"
  }
}
{
  "model": "gemini-3-8-flash-boxes",
  "predictions": [
    {
      "x": 320,
      "y": 240,
      "width": 180,
      "height": 140,
      "class": "dog",
      "confidence": 0.9
    }
  ],
  "summary": {
    "totalDetections": 1,
    "byClass": {
      "dog": {
        "count": 1,
        "maxConfidence": 0.9
      }
    },
    "classesWithNoDetections": []
  }
}

自動ラベル付けジョブを作成

ラベル付けされた画像は新しいアノテーションジョブに入り、レビュー担当者として reviewerEmail に割り当てられます。

ontologyを省略すると、ジョブはプロジェクトのクラスをプロンプトとして使用します。 custom_roboflowの場合、モデルのトレーニングに使用されたクラスが使用されます。ただし、プロジェクトのクラスがロックされている場合は、それらのクラスに限定されます。セマンティックセグメンテーションプロジェクトでは、リクエストは UNSUPPORTED_PROJECT_TYPEエラーで失敗します。キーポイント検出プロジェクトでは、 custom_roboflow をキーポイント検出モデルと組み合わせた場合にのみ動作します。

Create an Auto Label job

post

Starts a job that labels the images of a batch and puts them in a new annotation job for review. Credits are charged when the job starts. The job runs in the background: poll Get Auto Label job status with the returned jobId. Requires annotation-job:create. With an OAuth access token the job runs on the project's billing API key, and a token limited to project folders can only start jobs with foundation models.

認可
Authorizationstring必須

Roboflow API key or OAuth access token.

パスパラメータ
workspacestring必須

Workspace URL slug.

projectstring必須

Project URL slug.

本文
batchIdstring必須

ID of the image batch to label.

modelTypestring必須

A model id from List Auto Label models (ex: sam3-rle, gpt-6-astra-boxes), sam3, custom_roboflow with the model in modelOptions.modelId, or workflow with the Workflow fields below.

ontologyone ofオプション

Maps prompts to class names. Send an object of prompt to class name, an array of class names (each is also its prompt), or an array of { class, prompt } objects. Leave it out to use the project's classes, or the trained model's classes for custom_roboflow.

Example: {"a dog":"dog","a cat":"cat"}
または
string[]オプション

Class names, each used as its own prompt.

または
numImagesToLabelinteger · 最小: 1 · 最大: 10000オプション

Images to label. Defaults to the whole batch. A job labels at most 10,000 images.

defaultConfidencenumber · 最大: 1オプション

Confidence threshold for every class without its own threshold.

reviewerEmailstring · emailオプション

Workspace member who reviews the labels. Defaults to the workspace owner.

runNMSbooleanオプション

Run non-max suppression on the predictions.

Default: true
preserveExistingAnnotationsbooleanオプション

Keep annotations already on the images and add the new ones. false replaces them.

Default: false
mergeExistingAnnotationsbooleanオプション

Keep annotations already on the images and add only new ones that do not overlap an existing annotation of the same class. Takes precedence over preserveExistingAnnotations.

Default: false
keypointConfidenceThresholdnumber · 最大: 1オプション

Keypoint detection projects only. Keypoints below this confidence are saved as not visible.

Default: 0.6
workflowIdstringオプション

modelType workflow only. URL slug of a saved Workflow in this workspace.

workspaceNamestringオプション

modelType workflow only. Required. The Workflow's workspace URL slug.

selectedOutputNamestringオプション

modelType workflow only. Required. Workflow output that holds the predictions.

imageInputNamestringオプション

modelType workflow only. Workflow input that takes the image.

Default: image
レスポンス
200

Successful response.

application/json
jobIdstringオプション

Auto Label job ID. Use it to get the job status.

annotationJobIdstringオプション

The annotation job that receives the labels for review.

messagestringオプション
post/{workspace}/{project}/autolabel
POST /{workspace}/{project}/autolabel HTTP/1.1
Host: api.roboflow.com
Authorization: Bearer YOUR_SECRET_TOKEN
Content-Type: application/json
Accept: */*
Content-Length: 98

{
  "batchId": "6VN0fFQIWU1E24bDjGsN",
  "modelType": "sam3-rle",
  "ontology": {
    "a dog": "dog",
    "a cat": "cat"
  }
}
{
  "jobId": "0b6f3c1e-8f0a-4a52-9d1b-3f0c2c9a7e11",
  "annotationJobId": "h2E42jt686yLyMIxxqOQ",
  "message": "Automatic labeling job created"
}

自動ラベル付けジョブのステータスを取得

このエンドポイントをポーリングする際は、次の値を使用します: jobId 作成リクエストから status が doneになるまでです。通常、画像1,000枚の処理には数分かかります。

Get Auto Label job status

get

Returns the progress of an Auto Label job. Requires annotation-job:read.

認可
Authorizationstring必須

Roboflow API key or OAuth access token.

パスパラメータ
workspacestring必須

Workspace URL slug.

jobIdstring必須

The jobId returned when you started the job.

レスポンス
200

Successful response.

application/json
idstringオプション
statusstring · enumオプション

pending while images are labeled, processing_completion while results are saved, then done. A job still pending after 12 hours is stopped and marked done.

可能な値:
modelTypestringオプション

The model the job runs (ex: sam3, workflow, custom_roboflow).

projectTypestringオプション
projectIdstringオプション
annotationJobIdstringオプション
numImagesintegerオプション

Images in the job.

numImagesSentBackintegerオプション

Images labeled so far.

confidenceThresholdsobject · ヌル許容オプション
get/{workspace}/autolabel/jobs/{jobId}
GET /{workspace}/autolabel/jobs/{jobId} HTTP/1.1
Host: api.roboflow.com
Authorization: Bearer YOUR_SECRET_TOKEN
Accept: */*
{
  "id": "0b6f3c1e-8f0a-4a52-9d1b-3f0c2c9a7e11",
  "status": "pending",
  "modelType": "sam3",
  "projectType": "object-detection",
  "projectId": "PBDhem3YRI1rKtQZSqRK",
  "annotationJobId": "h2E42jt686yLyMIxxqOQ",
  "numImages": 100,
  "numImagesSentBack": 40,
  "subjobs": [
    {
      "id": "subjob-1",
      "status": "done"
    },
    {
      "id": "subjob-2",
      "status": "pending"
    }
  ],
  "ontology": {
    "a dog": "dog"
  },
  "confidenceThresholds": {
    "dog": 0.5
  },
  "startTime": {
    "_seconds": 1767225600,
    "_nanoseconds": 0
  }
}

Python SDK

この roboflow パッケージを使うと、Pythonからバッチにラベルを付けられます。

ontology API と同じ形式を取ります( 自動ラベルジョブを作成する)省略できます。 existing_annotations 各画像にすでに付いているアノテーションをジョブでどう扱うかを指定します。 "replace" (デフォルト)、 "preserve" または "merge" (参照: 既存のアノテーション).

project.autolabel_preview(model, image, ontology=...) バッチを適用する前に、1つの画像をモデルで処理します。 image HTTPS URLまたはローカルファイルパスを指定できます。プレビューではジョブは作成されず、Auto Labelクレジットも消費されません。

CLI

同じ操作はコマンドラインからも実行できます。詳しくは CLIのインストールとセットアップ 最初に。

Workspaceで使用できるモデルを一覧表示します。

各行には、 id に渡す preview と start、画像あたりのクレジット数、およびプランに含まれているかどうかが記載されています。

バッチにクレジットを使う前に、1枚の画像でモデルを試します。

レスポンスには、クラスごとにモデルが検出した内容の概要と、検出できなかったクラスが表示されるため、候補を比較できます。

ジョブを開始してから、進行状況を確認します。

start は jobId と annotationJobId. を出力します。 jobはデフォルトのWorkspaceでIDを検索するため、 -p を指定してジョブを開始した場合は、同じ workspace/project 形式の省略表記を渡してください。

プロンプトとクラス名が同じ場合は、 --class フラグを繰り返すほうが、JSONより短く記述できます。

startのオプション start:

オプション
説明

--batch-id

ラベル付けする画像が含まれるバッチ。必須。

-m, --model

autolabel modelsのモデルID。 autolabel modelsまたは、 --model-type roboflowを指定した場合はRoboflowモデルIDを指定します。必須。

--model-type

foundational (デフォルト)または、 roboflow (自分でトレーニングしたモデルの場合)。

--ontology, --class

ラベル付けの対象を指定します。インラインJSONのほか、 @ontology.json も指定できます。

--num-images

バッチからラベル付けする画像の枚数。デフォルトではすべての画像が対象です。

--confidence

すべてのクラスに適用される信頼度しきい値。

--confidence-thresholds

クラスごとのしきい値をJSONで指定(例: '{"dog": 0.5}').

--no-nms

非最大抑制を無効にします。

--reviewer

生成されるアノテーションジョブのレビュアーのメールアドレス。ワークスペースのメンバーである必要があります。

--model-options

モデル固有のオプションをJSONで指定(例: '{"outputFormat": "polygon"}').

--existing-annotations

画像にすでにあるアノテーションの処理方法: replace (デフォルト)、 preserve または merge。詳しくは 既存のアノテーション.

すべてのコマンドで、構造化出力を得るために --json を指定できます。

MCPサーバー

AIエージェントを MCPサーバー に接続すると、次のツールを使って画像のバッチに自動でラベルを付けられます:

ツール
説明

autolabel_start

画像のバッチに対するホスト型自動ラベル付けジョブを開始します。

autolabel_job_get

自動ラベル付けジョブのサブジョブごとのステータスと進行状況を取得します。

autolabel_start は、エージェントが existing_annotations に preserve または merge を設定しない限り、バッチ内の画像にすでにあるアノテーションを置き換えます(詳しくは 既存のアノテーション).

最終更新

役に立ちましたか?