# Auto Label {% hint style="info" %} Auto Label은 여러 가지 중 하나입니다 [AI Labeling](/roboflow/roboflow-ko/annotate/ai-labeling.md) 기능입니다. 이 기능을 사용하면 [크레딧이 소모됩니다](/roboflow/roboflow-ko/billing/credits.md) 다음에 나열된 요율에 따라 [크레딧 페이지](https://roboflow.com/credits). {% endhint %} Roboflow Auto Label을 사용하면 대규모 foundation vision models(예: Grounding DINO) 또는 Roboflow에서 학습된 모델을 사용해 이미지에 자동으로 레이블을 지정할 수 있습니다. Roboflow Auto Label은 지정한 객체를 식별하기 위해 다음 모델들을 사용해 보겠습니다: * Grounding DINO (Object detection) * Grounded SAM (Segmentation) * CLIP (Single- and multi-label classification) * Roboflow에서 학습된 모델 ([모델 학습](/roboflow/roboflow-ko/train/train.md)) * 참고: 현재는 Annotation Batch와 동일한 dataset의 모델만 지원됩니다. Auto Label은 다음 기반으로 작동합니다 [Autodistill](https://github.com/autodistill/autodistill)이며, Roboflow가 개발한 이미지 dataset 자동 레이블링을 위한 오픈 소스 프레임워크입니다. Auto Label은 컴퓨터 비전 모델 학습에 사용하기 위해 수백만 장의 이미지에 레이블을 지정하는 데 사용되어 왔습니다. ### Roboflow Auto Label을 사용할 때 차량(예: 지게차), 사람, 일반적인 결함(예: 균열), 일반적인 제품(예: 바이닐 레코드, 빵)과 같은 일반적인 객체에 주석을 달아야 한다면 Roboflow Auto Label을 사용해야 합니다. 객체의 특정 변형을 식별해야 한다면 Autodistill에서 foundation models를 사용해서는 안 됩니다. 예를 들어, Autodistill은 서로 다른 종류의 균열을 구분하거나 전자제품의 고유한 결함을 식별할 수 없습니다. ## Roboflow Auto Label로 데이터 레이블링하기 Roboflow 플랫폼을 사용하면 Autodistill이 dataset의 데이터 클래스 레이블링에서 어떻게 작동할지 미리 볼 수 있습니다. 그런 다음 Roboflow는 자체 하드웨어에서 이미지에 자동 레이블을 지정하는 데 사용할 수 있는 코드 스니펫을 제공합니다. 품질 보증을 위해(권장) 그리고 모델을 학습시키기 위해 레이블이 지정된 dataset을 다시 Roboflow에 업로드할 수 있습니다. ### 1단계: 데이터 업로드 먼저 데이터를 Roboflow에 업로드하세요. 자세한 내용은 [이미지, 비디오, 주석 업로드](/roboflow/roboflow-ko/datasets/adding-data.md) 안내를 참조하세요.

Roboflow에 이미지 업로드하기.

### 2단계: Auto Label 입력 모든 이미지를 업로드하면 이미지를 어떻게 레이블링할지 묻게 됩니다. "Auto Label"을 선택하세요.

Roboflow Auto Label 인터페이스를 열려면 "Auto Label"을 선택하세요.

### 3단계: Auto Label 설정 Auto Label 레이블링 인터페이스가 표시되며, 여기서 자동 레이블링 작업을 설정할 수 있습니다. #### Classes (& Descriptions) Classes는 이미지의 객체에 할당하려는 레이블을 나타냅니다. Descriptions는 선택한 foundation model(기본값은 Grounding DINO)이 해당 클래스의 인스턴스를 식별하는 데 사용할 클래스의 시각적 설명을 나타냅니다. 기본적으로 description은 class 이름이 됩니다. Auto Label은 시각적으로 명확한 설명이 있는 일반적인 객체를 레이블링할 때 가장 잘 작동합니다. 예를 들어, Auto Label은 생산 라인에서 알루미늄 캔의 위치를 식별할 수 있습니다. 하지만 Auto Label은 알루미늄 캔의 브랜드를 구분하는 것처럼 특정 요구사항에 따라 이미지를 레이블링하는 것은 할 수 없습니다. #### 테스트 결과 생성 중 Auto Label을 설정한 후 "Generate Test Results"를 클릭하여 dataset의 작은 하위 집합에서 클래스들을 테스트하세요. 기본적으로 4개의 이미지가 선택됩니다.

Auto Label 인터페이스.

### 4단계: Roboflow Auto Label 레이블 평가 예시 이미지에서 클래스 "aluminum can"을 사용했을 때의 테스트 결과는 다음과 같습니다. 여기에서 다음을 할 수 있습니다:

Auto Label이 알루미늄 캔에 주석을 다는 중.

#### 클래스 및 설명 조정 Auto Label이 예상대로 이미지를 레이블링하지 않는다면, 클래스에 대해 다른 설명을 테스트해 보세요. {% hint style="info" %} 모든 테스트 결과는 무료이며 어떤 크레딧도 사용하지 않습니다. {% endhint %} #### confidence 조정 각 클래스 오른쪽의 숫자는 (이 클래스의 표시된 box 수) / (이 클래스의 총 box 수)로 표시됩니다. 각 클래스의 confidence threshold를 조정하여 더 많거나 적은 box를 필터링할 수 있습니다. confidence가 높을수록 표시되는 box 수는 줄어듭니다. {% hint style="info" %} 여기에서 설정한 confidence threshold는 전체 batch를 레이블링할 때도 동일하게 사용되므로, 올바른지 꼭 확인하세요! {% endhint %} #### 다른 이미지에서 테스트 batch의 다른 이미지에서 Auto Label의 성능을 검토하려면 왼쪽 아래의 "Test images" 섹션에서 이미지를 클릭하세요. 추가 버튼을 누르지 않아도 해당 이미지의 미리보기가 즉시 로드되어야 합니다. ### 내 batch에서 Auto Label 실행 Auto Label이 이미지를 기대대로 레이블링한다면 "Auto Label with This Model"을 클릭하세요. 요약 모달을 검토한 뒤 진행을 클릭하세요. 천 장의 이미지를 레이블링하는 데 몇 분 정도 걸립니다. Auto Label은 백그라운드에서 실행되므로, 결과를 검토할 시간이 될 때까지 편히 쉬고 계시면 됩니다. --- # Agent Instructions: 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: ``` GET https://docs.roboflow.com/roboflow/roboflow-ko/annotate/ai-labeling/automated-annotation-with-autodistill.md?ask= ``` The question should be specific, self-contained, and written in natural language. 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.