> 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-jp/annotate/ai-labeling/automated-annotation-with-autodistill.md).

# Auto Label

{% hint style="info" %}
Auto Labelは数ある [AI Labeling](/roboflow/roboflow-jp/annotate/ai-labeling.md) 機能の1つです。この機能を使用すると、 [credits](/roboflow/roboflow-jp/billing/credits.md) が、当社の [credits page](https://roboflow.com/credits).
{% endhint %}

Roboflow Auto Labelを使うと、大規模な基盤ビジョンモデル（例: Grounding DINO）やRoboflowで学習されたモデルを使用して、画像に自動でラベル付けできます。

Roboflow Auto Labelは、以下のモデルを使って指定したオブジェクトを識別しようとします:

* Grounding DINO（Object detection）
* Grounded SAM（Segmentation）
* CLIP（Single- and multi-label classification）
* Roboflowで学習されたモデル（[モデルを学習する](/roboflow/roboflow-jp/train/train.md))
  * 注: 現在は、Annotation Batch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。

Auto Labelは [Autodistill](https://github.com/autodistill/autodistill)によって支えられています。これは、Roboflowが開発した画像データセットを自動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。

Auto Labelは、コンピュータビジョンモデルの学習に使う何百万もの画像のラベル付けに使用されてきました。

### Roboflow Auto Labelを使うタイミング

車両（例: フォークリフト）、人、一般的な欠陥（例: ひび割れ）、一般的な製品（例: レコード盤、パン）などの一般的な対象物に注釈を付ける必要がある場合は、Roboflow Auto Labelを使用してください。

対象物の特定のバリエーションを識別する必要がある場合は、Autodistillで基盤モデルを使用すべきではありません。たとえば、Autodistillではひび割れの種類を見分けたり、電子機器の固有の欠陥を識別したりすることはできません。

## Roboflow Auto Labelでデータにラベル付けする

Roboflowプラットフォームでは、Autodistillがデータセット内のデータクラスのラベル付けでどのように動作するかをプレビューできます。その後、Roboflowが、あなた自身のハードウェアで画像を自動ラベル付けするために使用できるコードスニペットを共有します。ラベル付けしたデータセットをRoboflowに再アップロードして品質保証（推奨）やモデルの学習に使うことができます。

### ステップ #1: データをアップロード

まず、データをRoboflowにアップロードします。詳細は [画像、動画、annotations をアップロード](/roboflow/roboflow-jp/datasets/adding-data.md) 手順

<figure><img src="/files/bbd17e291892b7ffaec52490d4db3ed0d8b0e073" alt=""><figcaption><p>Roboflowに画像をアップロードしています。</p></figcaption></figure>

### ステップ #2: Auto Labelを入力

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付けしたいかを尋ねられます。"Auto Label"を選択してください。

<figure><img src="/files/3197f1ebd04716bf93336793453b4a43f0d0e7cc" alt="" width="353"><figcaption><p>"Auto Label"を選択すると、Roboflow Auto Labelのインターフェースが開きます。</p></figcaption></figure>

### ステップ #3: Auto Labelを設定

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

#### Classes (& Descriptions)

Classesは、画像内のオブジェクトに割り当てたいラベルを表します。Descriptionsは、選択した基盤モデル（既定ではGrounding DINO）がそれらのクラスの個体を識別するために使用する、クラスの視覚的な説明を表します。既定では、descriptionはクラス名になります。

Auto Labelは、視覚的に明確な説明を持つ一般的なオブジェクトにラベルを付けるときに最も効果的です。たとえば、Auto Labelは生産ライン上のアルミ缶の位置を識別できます。しかし、Auto Labelは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。

#### テスト結果を生成中

Auto Labelを設定したら、"Generate Test Results"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てください。既定では、4枚の画像が選択されます。

<figure><img src="/files/1350ae003d2765e405d9f54bb68fbeb2196c32e3" alt=""><figcaption><p>Auto Labelのインターフェース。</p></figcaption></figure>

### ステップ #4: Roboflow Auto Labelのラベルを評価

以下は、サンプル画像に対してクラス「aluminum can」を使用したときのテスト結果です。ここから、次のことができます:

<figure><img src="/files/68264ec4cdb9a70bbbcdc08d51e428cfb7de7bfd" alt=""><figcaption><p>アルミ缶に注釈を付けるAuto Label。</p></figcaption></figure>

#### クラスと説明を調整する

Auto Labelが期待どおりに画像へラベル付けしない場合は、クラスの説明を変えてテストしてみてください。

{% hint style="info" %}
すべてのテスト結果は無料で、creditsは消費しません。
{% endhint %}

#### 信頼度を調整する

各クラスの右側の数値は、(表示されているこのクラスのボックス数) / (このクラスの総ボックス数) を表しています。信頼度のしきい値を各クラスごとに調整して、表示されるボックス数を増減できます。信頼度が高いほど、表示されるボックスは少なくなります。

{% hint style="info" %}
ここで設定した信頼度しきい値は、バッチ全体にラベル付けするときにも同じものが使われるため、正しく見えることを確認してください。
{% endhint %}

#### 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「Test images」セクションで画像をクリックしてください。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るはずです。

### バッチ全体でAuto Labelを実行

Auto Labelが期待どおりに画像へラベル付けできている場合は、"Auto Label with This Model"をクリックしてください。要約モーダルを確認して、続行をクリックします。1,000枚の画像にラベルを付けるには数分かかるはずです。

Auto Labelはバックグラウンドで実行されるため、結果を確認する時間になるまで、ゆっくりくつろいでいてください。


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:

```
GET https://docs.roboflow.com/roboflow/roboflow-jp/annotate/ai-labeling/automated-annotation-with-autodistill.md?ask=<question>&goal=<endgoal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.