자동 라벨링
학습용 모델에서 사용할 이미지를 자동 라벨링합니다.
소개
Roboflow Auto Label을 사용하면 기반 비전 모델(SAM 3), Roboflow에서 학습한 모델 또는 저장된 워크플로 을 사용해 이미지를 자동으로 라벨링할 수 있습니다.
Roboflow Auto Label은 다음 소스를 사용해 지정한 객체를 식별할 수 있습니다:
SAM 3 - 텍스트 프롬프트에서 객체를 라벨링하는 기반 모델(객체 탐지 및 세그멘테이션)
Roboflow에서 학습한 모델(https://github.com/roboflow/docs/tree/main/models/README.md)
참고: 현재는 Annotation Batch와 동일한 데이터셋의 모델만 지원됩니다.
저장된 워크플로 프로젝트 유형과 호환되는
Auto Label은 컴퓨터 비전 모델 학습에 사용할 수 있도록 수백만 개의 이미지를 라벨링하는 데 사용되어 왔습니다.
직접 보유한 하드웨어에서 자동 라벨링을 하려는 경우, Roboflow는 또한 Autodistill을 유지 관리합니다. 이는 다양한 기반 모델로 이미지 데이터셋을 자동 라벨링하는 오픈 소스 프레임워크입니다.
Roboflow Auto Label을 사용할 때
차량(예: 지게차), 사람, 일반적인 결함(예: 균열), 일반적인 제품(예: 바이닐 레코드, 빵)과 같은 일반적인 객체를 주석 처리해야 한다면 Roboflow Auto Label을 사용해야 합니다.
객체의 특정 변형을 식별해야 한다면 SAM 3 같은 기반 모델을 사용해서는 안 됩니다. 예를 들어 Auto Label은 서로 다른 종류의 균열을 구분하거나 전자제품의 고유한 결함을 식별할 수 없습니다.
Roboflow Auto Label로 데이터 라벨링
Roboflow 플랫폼에서는 전체 배치에 대해 작업을 실행하기 전에 Auto Label이 데이터셋의 라벨 클래스에 대해 어떤 성능을 보일지 미리 볼 수 있습니다. 라벨링 후에는 품질 보증을 위해 결과를 검토할 수 있으며(권장), 라벨링된 데이터셋으로 모델을 학습시킬 수 있습니다.
1단계: 데이터 업로드
먼저 Roboflow에 데이터를 업로드합니다. 자세한 내용은 이미지, 비디오, 주석 업로드 안내를 참고하세요.
2단계: Auto Label 입력
모든 이미지를 업로드한 후에는 이미지를 어떻게 라벨링할지 묻는 화면이 표시됩니다. "Auto-Label And Review"를 선택하세요.
3단계: Auto Label 구성
Auto Label 라벨링 인터페이스가 표시되며, 여기에서 자동 라벨링 작업을 구성할 수 있습니다.
클래스(& 설명)
클래스는 이미지 내 객체에 할당하려는 라벨을 의미합니다. 설명은 기반 모델(SAM 3)이 해당 클래스의 인스턴스를 식별하는 데 사용할 클래스의 시각적 설명을 의미합니다. 기본적으로 설명은 클래스 이름이 됩니다.
Auto Label은 시각적 설명이 명확한 일반 객체를 라벨링할 때 가장 잘 작동합니다. 예를 들어 Auto Label은 생산 라인에서 알루미늄 캔의 위치를 식별할 수 있습니다. 하지만 Auto Label은 알루미늄 캔의 브랜드를 구분하는 것처럼 특정 요구사항에 따라 이미지를 라벨링할 수는 없습니다.
테스트 결과 생성 중
Auto Label을 구성한 후 "Generate Test Results"를 클릭하여 데이터셋의 작은 일부에 대해 클래스를 테스트하세요. 기본적으로 4개의 이미지가 선택됩니다.
4단계: Roboflow Auto Label 라벨 평가
예시 이미지에서 클래스 "aluminum can"을 사용할 때의 테스트 결과는 다음과 같습니다. 여기에서 다음을 할 수 있습니다:
클래스 및 설명 조정
Auto Label이 예상대로 이미지를 라벨링하지 않는다면, 클래스에 대해 다른 설명을 테스트해 보세요.
모든 테스트 결과는 무료이며 어떤 크레딧도 사용하지 않습니다.
신뢰도 조정
각 클래스 오른쪽의 숫자는 (이 클래스의 표시된 박스 수) / (이 클래스의 전체 박스 수)로 표시됩니다. 각 클래스의 신뢰도 임계값을 조정하여 더 많거나 적은 박스를 필터링할 수 있습니다. 신뢰도가 높을수록 표시되는 박스 수는 줄어듭니다.
여기에서 설정한 신뢰도 임계값은 전체 배치를 라벨링할 때도 동일하게 사용되므로, 올바르게 보이는지 확인하세요!
다른 이미지에서 테스트
배치의 다른 이미지에서 Auto Label의 성능을 검토하려면 왼쪽 아래의 "Test images" 섹션에서 이미지를 클릭하세요. 추가 버튼을 누르지 않아도 해당 이미지의 미리보기가 즉시 로드되어야 합니다.
워크플로로 라벨링
기반 모델이나 학습된 모델 대신 저장된 워크플로을 사용하여 SAHI, 모델 앙상블, 다단계 사용자 지정 로직으로 배치를 라벨링할 수 있습니다.
Auto Label 모델 드롭다운에서 "Workflows" 탭을 열고 워크플로를 선택하세요. 프로젝트 유형(탐지, 세그멘테이션, 분류)과 호환되는 워크플로만 표시됩니다.
워크플로를 선택한 후, 각 출력 클래스를 프로젝트의 클래스에 매핑하고 클래스별 신뢰도 임계값을 설정하세요. 샘플 이미지에서 미리보기가 실행되므로 작업을 시작하기 전에 매핑을 확인할 수 있습니다.
매핑한 클래스만 적용됩니다. 매핑되지 않은 출력 클래스는 제외되므로, 프로젝트에 다시 기록하려는 모든 클래스에 매핑하세요.
매핑이 올바르게 보이면 "Auto Label With This Workflow"를 클릭하여 작업을 시작하세요. 작업은 백그라운드에서 실행되며 매핑된 라벨을 배치에 적용합니다.
배치에 Auto Label 실행
Auto Label이 이미지를 예상대로 라벨링하면 "Auto Label with This Model"을 클릭하세요. 요약 모달을 검토한 뒤 진행을 클릭합니다. 천 개의 이미지를 라벨링하는 데는 몇 분 정도 걸립니다.
작업이 시작되면 Annotate 페이지로 이동하며, 새 Auto Label 작업이 다른 주석 작업과 함께 표시됩니다. Auto Label은 백그라운드에서 실행되므로 완료되면 그곳에서 결과를 검토할 수 있습니다.
HTTP API
REST API를 사용하여 프로그래밍 방식으로 자동 라벨링 작업을 시작하고 추적할 수 있습니다. Auto Label은 기반 모델(SAM 3) 또는 직접 학습한 Roboflow 모델을 사용해 배치 내 이미지를 자동으로 주석 처리합니다.
이 엔드포인트는 범위가 지정된 API 키 를 annotationJob.create 및 annotationJob.read 권한 범위를 각각 요구합니다.
Auto Label 작업 생성
자동 라벨 작업을 시작하려면 POST 요청을 보내세요:
다음도 생략할 수 있습니다 ontology 를 생략하여 API가 모델 또는 데이터셋 클래스에서 이를 추론하도록 할 수 있습니다:
요청 본문
batchId
string
예
라벨링할 이미지 배치의 ID입니다.
modelType
string
예
사용할 모델. 다음 중 하나: sam3, custom_roboflow.
numImagesToLabel
숫자
아니요
라벨링할 이미지 수입니다. 기본값은 전체 배치입니다.
defaultConfidence
숫자
아니요
모든 클래스에 적용되는 신뢰도 임계값(0-1).
confidenceThresholds
객체
아니요
클래스별 신뢰도 임계값, 예: {"dog": 0.5, "cat": 0.7}.
reviewerEmail
string
아니요
검토자로 지정할 워크스페이스 구성원의 이메일입니다. 기본값은 워크스페이스 소유자입니다.
runNMS
불리언
아니요
비최대 억제를 실행할지 여부입니다. 기본값은 true.
modelOptions
객체
아니요
추가 모델별 옵션(예: {"modelId": "your-model/1"} 에 대해 custom_roboflow).
온톨로지 형식
해당 ontology 필드는 여러 형식을 허용합니다. 모든 형식은 내부적으로 정규화됩니다.
객체(표준) - 키는 프롬프트이고, 값은 클래스 이름입니다:
문자열 배열 - 각 문자열이 프롬프트와 클래스 이름으로 모두 사용됩니다:
객체 배열:
온톨로지 자동 추론
다음 경우 ontology 이 생략되거나 비어 있으면, API는 다음을 기준으로 자동으로 추론을 시도합니다. modelType:
custom_roboflow
에 지정된 모델의 학습된 클래스를 사용합니다. modelOptions.modelId.
sam3
데이터셋에 정의된 클래스 이름을 사용합니다.
데이터셋에 잠긴 주석 클래스가 있으면, 유효하지 않은 주석이 생성되지 않도록 추론된 온톨로지와 허용된 클래스의 교집합을 사용합니다.
요청은 400 오류와 함께 실패합니다. 예를 들어 데이터셋에 클래스가 없거나 모델 클래스가 데이터셋의 잠긴 클래스와 겹치지 않는 경우 온톨로지를 추론할 수 없습니다. 가능한 errorType 값:
MISSING_MODEL_ID-modelOptions.modelId은 다음에 필요합니다.custom_roboflow온톨로지가 제공되지 않은 경우.MODEL_CLASSES_UNAVAILABLE- 지정된 모델에 클래스가 없습니다.NO_MATCHING_CLASSES- 모델의 클래스가 데이터셋의 잠긴 클래스와 겹치지 않습니다.DATASET_HAS_NO_CLASSES- 데이터셋에 정의된 클래스가 없습니다(sam3).
응답
Auto Label 작업 상태 조회
자동 라벨 작업의 진행 상황을 확인하려면 GET 요청을 보내세요:
다음을 사용하세요 jobId 생성 엔드포인트에서 반환됩니다.
응답
마지막 업데이트
도움이 되었나요?