박스 프롬프팅

예시가 늘어날수록 개선되는 AI 라벨링 도구로 이미지를 주석 처리합니다.

박스 프롬프팅은 많은 기능 중 하나입니다 AI 라벨링 입니다. 이 기능을 사용하면 크레딧이 당사의 크레딧 페이지에.

주석 도구 모음에서 박스 프롬프팅을 활성화하세요.

박스 프롬프팅은 유사한 객체에 대한 주석을 생성하기 위해 하나(또는 그 이상)의 프롬프트 바운딩 박스를 사용합니다. 각 예시는 이미지가 늘어날수록 개선되는 모델을 미세 조정합니다. 박스 프롬프팅을 사용하면 데이터셋에 여러 번 나타나는 객체 주위에 바운딩 박스를 수동으로 그리는 데 들던 시간을 수시간 절약할 수 있습니다.

1단계: 각 클래스의 예시를 최소 하나 이상 주석 처리하세요

박스 프롬프팅을 사용하려면 예측 생성을 위한 예시로 사용할 바운딩 박스 주석을 최소 하나 이상 생성해야 합니다.

2단계: 박스 프롬프팅 도구를 활성화하세요

마법이 일어나는 것을 보려면 박스 프롬프팅 도구가 활성화되어 있는지 확인하세요! 박스 프롬프팅은 주석을 기반으로 예측을 생성합니다. 주석을 저장하거나 삭제할 때마다 예측이 점선으로 표시됩니다.

예측은 주석이 아니며 이미지에서 벗어나면 저장되지 않습니다. 예측을 저장하는 방법은 4단계를 참조하세요.

3단계: 예측을 미세 조정하세요

여기에서 다음을 할 수 있습니다:

신뢰도 조정

슬라이더를 사용하여 신뢰도 임계값을 조정하고 표시되는 예측 수를 변경하세요. 신뢰도가 높을수록 예측 수는 줄어듭니다.

신뢰도 임계값을 변경하여 표시되는 예측 수를 조정하세요.

부정 예시 제공

잘못된 예측이 발생하면 박스를 마우스 오른쪽 버튼으로 클릭하고 "부정으로 변환"을 선택할 수 있습니다. 그러면 모델이 앞으로 이 유형의 객체에 레이블을 붙이지 않도록 학습됩니다. 부정 예시는 음영 처리되어 표시됩니다.

같은 오른쪽 클릭 메뉴를 통해 기존 주석을 부정으로 변환할 수도 있습니다.

추가 예시 추가

다른 레이블로 생성한 추가 주석은 모델이 이미지 내 서로 다른 객체를 구분하는 데 도움이 됩니다. 더 많은 예시를 추가한 뒤 "예측"을 클릭하여 새 예측을 생성할 수 있습니다.

최상의 결과를 위해 이미지에 있는 각 고유 객체마다 1~2개의 예시를 제공하세요.

신뢰도를 높게 설정하는 것보다, 신뢰도를 낮추고 초과 예측을 부정으로 변환하는 방식이 예측을 미세 조정하기 더 쉬울 수 있습니다.

4단계: 예측 승인

예측이 마음에 들면 "예측 승인"을 클릭하세요. 그러면 모든 예측이 주석으로 변환되고, 다른 곳으로 이동해도 저장되도록 보장됩니다.

이제 일반적인 방식으로 주석을 수정하거나 삭제할 수 있습니다.

이미지에 저장하려면 예측을 승인하세요.

5단계: 더 많은 이미지에 실행하세요

주석을 달면 이미지가 학습 세트에 추가됩니다.

이미지에 주석을 달면, 박스 프롬프팅은 사람이 직접 그리거나 수정한 주석이 있는 모든 이미지로 학습됩니다. (수정 없이 승인된 예측은 포함되지 않습니다.)

즉, 상자를 하나도 그리지 않고도 새 이미지에서 "예측"을 클릭해 예측을 생성할 수 있습니다! 도구 메뉴에서 학습 세트에 포함된 이미지 수를 확인할 수 있습니다.

모범 사례

시각적으로 구별되는 각 객체마다 예시를 하나 제공하세요.

비슷하게 생긴 여러 객체가 있는 이미지에서는 색상, 크기 또는 카메라 각도의 중요한 변화마다 최소 하나의 예시를 제공하는 것이 도움이 될 수 있습니다.

비슷한 이미지는 같은 주석 세션에서 주석 처리하세요.

박스 프롬프팅은 이미지의 내용이 비슷할 때 가장 잘 작동하며, 이를 통해 예측을 생성하면서 학습 예시를 빠르게 재사용할 수 있습니다.

누적되는 오류를 방지하려면 바운딩 박스를 더 정확하게 조이세요.

종종 예측된 바운딩 박스가 실제보다 더 크게 나옵니다. 배경의 일부가 잘못 포함되지 않도록 크기를 줄이세요.

박스 프롬프팅은 사진이나 정지 프레임에서 가장 잘 작동합니다.

문서나 컴퓨터 그래픽에 대해서도 예측을 제공할 수 있지만, 박스 프롬프팅은 사진에서 반복되는 항목을 식별하는 데 가장 적합합니다.

정확도를 높이려면 부정 예시를 제공하세요.

특정 주석 클래스에서 거짓 양성 예측이 발생하는 것을 발견하면, 마우스 오른쪽 버튼을 클릭하고 "부정으로 변환"을 선택해 박스 프롬프팅 모델에 부정 예시를 제공할 수 있습니다.

제한 사항

박스 프롬프팅 모델은 추론 시 이미지를 축소해야 합니다. 따라서 큰 이미지에서 작은 항목을 감지하려고 하면 만족스럽지 않은 결과가 나올 수 있습니다.

가로세로 어느 한쪽이 1000px 이하인 이미지에서 최적의 결과를 얻을 수 있으며, 이미지가 2000px 이상이고 작은 바운딩 박스(너비/높이의 약 5% 미만)가 있을 경우 잘 작동하지 않을 수 있다는 경고가 표시됩니다

이러한 제한은 박스 프롬프팅에만 적용됩니다. 모델을 학습할 때는 Tiling을 하나의 전처리 단계 로 버전 생성 중에 적용하여 학습된 모델에서 이러한 영향을 방지할 수 있습니다.