> For the complete documentation index, see [llms.txt](https://docs.roboflow.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.roboflow.com/roboflow/roboflow-hi/annotate/ai-labeling/automated-annotation-with-autodistill.md).

# Auto Label

{% hint style="info" %}
Auto Label कई में से एक है [AI Labeling](/roboflow/roboflow-hi/annotate/ai-labeling.md) फ़ीचर्स। इस फ़ीचर का उपयोग करने से [credits](/roboflow/roboflow-hi/billing/credits.md) हमारी [credits page](https://roboflow.com/credits).
{% endhint %}

Roboflow Auto Label आपको बड़े foundation vision models (i.e. Grounding DINO), Roboflow trained models, या एक saved [Workflow](/roboflow/roboflow-hi/workflows/what-is-workflows.md) का उपयोग करके images को automatically label करने देता है।

Roboflow Auto Label निम्नलिखित sources का उपयोग करके उन objects की पहचान कर सकता है जिन्हें आप specify करते हैं:

* Grounding DINO (Object detection)
* Grounded SAM (Segmentation)
* CLIP (Single- and multi-label classification)
* Roboflow में प्रशिक्षित models ([एक Model Train करें](/roboflow/roboflow-hi/train/train.md))
  * नोट: वर्तमान में केवल वही models समर्थित हैं जो आपके Annotation Batch के समान dataset से हैं।
* एक saved [Workflow](/roboflow/roboflow-hi/workflows/what-is-workflows.md) जो आपके project type के साथ compatible हो

Auto Label द्वारा संचालित है [Autodistill](https://github.com/autodistill/autodistill), Roboflow द्वारा विकसित images datasets के auto-labeling के लिए एक open source framework है।

Auto Label का उपयोग computer vision models को प्रशिक्षित करने के लिए लाखों images को label करने में किया गया है।

### Roboflow Auto Label का उपयोग कब करें

यदि आपको vehicles (i.e. forklifts), people, generic defects (i.e. cracks), और generic products (i.e. vinyl records, bread) जैसे सामान्य objects को annotate करने की आवश्यकता है, तो आपको Roboflow Auto Label का उपयोग करना चाहिए।

यदि आपको किसी object के specific variants की पहचान करनी है, तो आपको Autodistill में foundation models का उपयोग नहीं करना चाहिए। उदाहरण के लिए, Autodistill crack के विभिन्न types के बीच अंतर नहीं कर सकता, या electronics में unique defects की पहचान नहीं कर सकता।

## Roboflow Auto Label के साथ Data को Label करें

Roboflow platform आपको यह preview करने देती है कि Autodistill आपके dataset में data की classes को label करने में कैसा प्रदर्शन करेगा। फिर, Roboflow आपको एक code snippet साझा करेगा जिसे आप अपने hardware पर images को auto-label करने के लिए उपयोग कर सकते हैं। आप अपनी labeled dataset को quality assurance (recommended) के लिए और model train करने के लिए वापस Roboflow पर upload कर सकते हैं।

### चरण #1: Data Upload करें

सबसे पहले, Roboflow पर data upload करें। अधिक जानकारी के लिए हमारे [Images, Videos, और Annotations Upload करें](/roboflow/roboflow-hi/datasets/adding-data.md) निर्देश देखें।

<figure><img src="/files/06cfefb2193fa775ed047b19c0ce99fd7a36d068" alt=""><figcaption><p>Roboflow में images upload की जा रही हैं।</p></figcaption></figure>

### चरण #2: Auto Label में जाएँ

एक बार जब आप अपनी सारी images upload कर लेते हैं, तो आपसे पूछा जाएगा कि आप अपनी images को कैसे label करना चाहते हैं। "Auto-Label And Review" चुनें।

<figure><img src="/files/2fa7dd53b7b5e8d9ba02868d27753b9e2829e93a" alt="" width="353"><figcaption><p>"Auto-Label And Review" चुनें ताकि Roboflow Auto Label interface खुले।</p></figcaption></figure>

### चरण #3: Auto Label Configure करें

Auto Label labeling interface दिखाई देगा, जिसमें आप अपना auto labeling job configure कर सकते हैं।

#### Classes (& Descriptions)

Classes वे labels हैं जिन्हें आप image में objects को assign करना चाहते हैं। Descriptions class का एक visual description दर्शाती हैं, जिसका उपयोग आपका चुना हुआ foundation model (डिफ़ॉल्ट रूप से Grounding DINO) उन classes के instances की पहचान के लिए करेगा। डिफ़ॉल्ट रूप से, description class name होगी।

Auto Label सबसे अच्छा तब काम करता है जब सामान्य objects को स्पष्ट visual descriptions के साथ label किया जाए। उदाहरण के लिए, Auto Label production line पर aluminum can की location की पहचान कर सकेगा। लेकिन, Auto Label images को विशिष्ट requirements के अनुसार label करने में सक्षम नहीं होगा, जैसे कि aluminum can के brand में अंतर करना।

#### टेस्ट परिणाम जेनरेट करना

Auto Label configure करने के बाद, अपने dataset के एक छोटे subset पर अपनी classes का परीक्षण करने के लिए "Generate Test Results" पर क्लिक करें। डिफ़ॉल्ट रूप से, चार images चुनी जाती हैं।

<figure><img src="/files/0b026b779ac16ac707b9c33882885ba56189172b" alt=""><figcaption><p>Auto Label interface।</p></figcaption></figure>

### चरण #4: Roboflow Auto Label Labels का मूल्यांकन करें

यहां उदाहरण image पर "aluminum can" class का उपयोग करने पर test results दिए गए हैं। यहां से, आप:

<figure><img src="/files/f0dff9bac445de7e19cc181379d5df2b21b9a5b6" alt=""><figcaption><p>Auto Label aluminum cans को annotate कर रहा है।</p></figcaption></figure>

#### अपनी classes और descriptions समायोजित करें

यदि Auto Label images को अपेक्षा के अनुसार label नहीं करता है, तो अपनी classes के लिए अलग-अलग descriptions का परीक्षण करें।

{% hint style="info" %}
सभी test results free हैं और इनमें कोई credits खर्च नहीं होते।
{% endhint %}

#### confidence समायोजित करें

प्रत्येक class के दाईं ओर दी गई संख्या (इस class के दिखाए गए boxes) / (इस class के कुल boxes) के रूप में दर्शाई जाती है। आप अधिक या कम boxes को फ़िल्टर करने के लिए प्रत्येक class के confidence threshold को समायोजित कर सकते हैं। Higher confidence का मतलब है कि कम boxes दिखाए जाएंगे।

{% hint style="info" %}
यहां सेट किया गया confidence threshold वही होगा जिसका उपयोग पूरी batch को label करते समय किया जाएगा, इसलिए सुनिश्चित करें कि यह सही दिख रहा है!
{% endhint %}

#### अलग-अलग images पर परीक्षण करें

अपनी batch की अलग-अलग images पर Auto Label के प्रदर्शन की समीक्षा करने के लिए, नीचे बाईं ओर "Test images" सेक्शन में किसी image पर क्लिक करें। उस image का preview तुरंत लोड हो जाना चाहिए, बिना किसी अतिरिक्त button को दबाए।

## Workflow के साथ label करें

foundation या trained model के बजाय, आप एक saved [Workflow](/roboflow/roboflow-hi/workflows/what-is-workflows.md)के साथ auto-label कर सकते हैं, जिससे आप SAHI, model ensembles, और multi-step custom logic का उपयोग करके अपनी batch को label कर सकते हैं।

Auto Label model dropdown में, "Workflows" tab खोलें और एक workflow चुनें। केवल वे workflows सूचीबद्ध हैं जो आपके project type (detection, segmentation, या classification) के साथ compatible हैं।

एक workflow चुनने के बाद, उसके प्रत्येक output class को अपने project की एक class से map करें और प्रति-class confidence threshold सेट करें। mapping की पुष्टि करने के लिए job शुरू करने से पहले sample images पर एक preview चलता है।

{% hint style="info" %}
केवल वही classes लागू होती हैं जिन्हें आप map करते हैं। जिन output classes का कोई mapping नहीं है, उन्हें हटा दिया जाता है, इसलिए उन सभी classes को map करें जिन्हें आप अपने project में वापस लिखना चाहते हैं।
{% endhint %}

जब mapping सही लगे, तो job शुरू करने के लिए "Auto Label With This Workflow" पर क्लिक करें। यह background में चलता है और mapped labels को आपकी batch पर लागू करता है।

### अपनी Batch पर Auto Label चलाएं

यदि Auto Label आपकी images को आपकी अपेक्षा के अनुसार label करता है, तो "Auto Label with This Model" पर क्लिक करें। summary modal की समीक्षा करें, और आगे बढ़ने के लिए क्लिक करें। एक thousand images को label करने में कुछ मिनट लगने चाहिए।

job शुरू होने के बाद, आपको Annotate page पर ले जाया जाता है, जहां नया Auto Label job आपके अन्य annotation jobs के साथ सूचीबद्ध होता है। Auto Label background में चलता है, इसलिए यह समाप्त होने पर आप वहां परिणामों की समीक्षा कर सकते हैं।