> 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/box-prompting-ai-labeling.md). # Box Prompting {% hint style="info" %} Box Promptingは数ある機能の1つです [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 %} {% embed url="" %} アノテーションツールバーでBox Promptingを有効にします。 {% endembed %} Box Promptingは、似たオブジェクトのアノテーションを生成するために、1つ以上のプロンプト用バウンディングボックスを使用します。各例によってモデルが微調整され、画像ごとに改善されます。Box Promptingを使えば、データセット内で複数回登場するオブジェクトの周りにバウンディングボックスを手作業で描く時間を何時間も節約できます。 ### ステップ1: 各クラスにつき少なくとも1つの例をアノテーションする Box Promptingでは、予測生成のための例として提供する少なくとも1つのバウンディングボックスアノテーションを作成する必要があります。 ### ステップ2: Box Promptingツールを有効にする 魔法のような結果を見るには、Box Promptingツールが有効になっていることを確認してください。Box Promptingは、あなたのアノテーションに基づいて予測を生成します。アノテーションを保存または削除すると、予測は点線で表示されます。 {% hint style="info" %} 予測はアノテーションではないため、画像から移動すると保存されません。予測を保存する方法はステップ4を参照してください。 {% endhint %} ### ステップ3: 予測を微調整する ここから、次のことができます: #### **信頼度を調整する** スライダーで信頼度しきい値を調整し、表示する予測の数を変更します。信頼度が高いほど、予測数は少なくなります。

信頼度しきい値を変更して、表示される予測数を調整します。

#### ネガティブ例を提供する 誤った予測があった場合は、ボックスを右クリックして「Convert to Negative」を選択できます。これにより、この種類のオブジェクトを今後ラベル付けしないようモデルが学習します。ネガティブ例は陰影付きで表示されます。 同じ右クリックメニューから、既存のアノテーションをネガティブに変換することもできます。

誤った予測を右クリックして Convert to Negative を選択すると、ネガティブプロンプトを提供できます。

#### 追加の例を追加する 他のラベルで作成した追加のアノテーションは、画像内の異なるオブジェクトをモデルが区別するのに役立ちます。例を追加したら、「Predict」をクリックして新しい予測を生成できます。 最良の結果を得るには、画像内のそれぞれの固有オブジェクトについて1〜2個の例を提供してください。 {% hint style="info" %} 信頼度を高く設定するよりも、信頼度を下げて余分な予測をネガティブに変換する方が、予測の微調整がしやすい場合があります。 {% endhint %} ### ステップ4: 予測を承認する 予測が希望どおりになったら、「Approve Predictions」をクリックします。これにより、すべての予測がアノテーションに変換され、画像から移動しても保存されるようになります。 ここからは、通常どおりアノテーションを編集・削除できます。

予測を承認して画像に保存します。

### ステップ5: より多くの画像で実行する #### アノテーションを進めると、画像が学習セットに追加されます。 画像にアノテーションを付けると、Box Promptingは人が描画または編集したアノテーションを含む画像で学習されます。（編集なしで承認された予測は含まれません。） つまり、新しい画像では一切ボックスを描かなくても「Predict」をクリックするだけで予測を生成できます。ツールメニューで、学習セットに含まれる画像数を確認できます。 ## ベストプラクティス #### 視覚的に異なるオブジェクトごとに例を提供してください。 見た目が似ている複数のオブジェクトを含む画像では、重要な色・サイズ・カメラ角度の違いごとに少なくとも1つの例を提供すると役立ちます。 #### 似た画像は同じアノテーションセッションでアノテーションします。 画像の内容が似ているほど、Box Promptingはより効果的に機能し、学習例を素早く再利用しながら予測を生成できます。 #### エラーの蓄積を避けるためにバウンディングボックスをきつめに調整します。 多くの場合、予測されたバウンディングボックスは本来より大きくなります。背景の一部を誤って含めないよう、サイズを小さくしてください。 #### Box Promptingは写真や静止フレームで最も効果的です。 文書やコンピュータグラフィックスでも予測は可能ですが、Box Promptingは写真内の反復的なアイテムの識別に最も適しています。 #### 精度向上のためにネガティブ例を提供する。 特定のアノテーションクラスで誤検出の予測が出る場合は、右クリックして「Convert to Negative」を選択し、Box Promptingモデルにネガティブ例を与えることができます。 ### 制限事項 Box Promptingモデルは推論時に画像を縮小する必要があります。そのため、大きな画像から小さな項目を検出しようとすると、満足のいく結果が得られない場合があります。 最適な結果は、どちらかの寸法が1000px以下の画像で得られます。また、画像が2000px以上で、幅/高さの約5%未満の小さなバウンディングボックスがある場合は、うまく動作しないという警告が表示されます {% hint style="info" %} これらの制限はBox Promptingにのみ適用されます。モデル学習時には、これらの影響を [前処理ステップ](/roboflow/roboflow-jp/datasets/dataset-versions/image-preprocessing.md) としてバージョン生成時にTilingを適用することで、学習済みモデルでこれらの影響を防ぐことができます。 {% endhint %} --- # 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/box-prompting-ai-labeling.md?ask=&goal= ``` `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.