Roboflow Annotate

コンピュータビジョンプロジェクトで使用する画像にアノテーションを付けます。

Roboflow Annotateは、画像にアノテーションを付けるための高速で堅牢なインターフェースを提供します。

バウンディングボックスやポリゴンを使用して画像にアノテーションを付けることができます。

アノテーション方法

画像にアノテーションを付ける方法：

• バウンディングボックス／ポリゴンを手動で描画する

• を使用する AI Labeling

バウンディングボックス vs. ポリゴン vs. マスク

バウンディングボックスとポリゴンのいずれかを描画するオプションがある場合、これら二つのアノテーションタイプの違いは何か疑問に思うかもしれません。

バウンディングボックス（画像中の対象物の周りに描く四角）はポリゴンより描画が簡単なため、アノテーションにかかる時間が短くなります。一方でポリゴンはより精密であり、性能がわずかに向上する可能性があります。

セグメンテーションのタスクでは、画像から特定の物体を精密に分割するため、ポリゴンまたはマスクを使用する必要があります。複雑な境界でピクセル単位の制御が必要な場合は、マスクが最も高い忠実度を提供します。

このRoboflowのドキュメントのセクションでは、上記の各方法を使用して画像にアノテーションを付ける方法を示します。

プロジェクトタイプとアノテーション

異なるモデルタイプは特定のアノテーションフォーマットを必要とします。下の表は各プロジェクトタイプと互換性のあるアノテーションを示しています。可能な場合、Roboflowはアノテーションを必要な形式に自動で変換します（例：物体検出のためにポリゴンをバウンディングボックスに変換）。

プロジェクトタイプ	サポートされているアノテーション
Object Detection	Bounding Box、Polygon、Mask*
Instance Segmentation	Polygon、Mask
Semantic Segmentation	Polygon、Mask
Keypoint Detection	キーポイント（スケルトン）
Classification	なし（画像レベルのラベルのみ）

*ポリゴンおよびマスクは自動的にバウンディングボックスに変換されます。

主な違い

• InstanceとSemanticのセグメンテーション：Instanceは個々のオブジェクトを区別し、Semanticは同じクラスのすべてのオブジェクトを一つのエンティティとして扱います。

• SingleとMulti-Labelの分類：Singleは画像ごとに1つのクラスを割り当て、Multi-Labelは1つの画像に複数のクラスを許可します。