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

# 자동 라벨링

{% hint style="info" %}
Auto Label은 여러 기능 중 하나입니다 [AI Labeling](/roboflow/roboflow-ko/annotate/ai-labeling.md) 기능입니다. 이 기능을 사용하면 [크레딧](/roboflow/roboflow-ko/billing/credits.md) 당사의 [credits page](https://roboflow.com/credits).
{% endhint %}

Roboflow Auto Label을 사용하면 대규모 foundation vision models(예: Grounding DINO), Roboflow에서 학습한 모델 또는 저장된 [Workflow](/roboflow/roboflow-ko/workflows/what-is-workflows.md) 를 사용해 이미지를 자동으로 라벨링할 수 있습니다.

Roboflow Auto Label은 지정한 객체를 식별하기 위해 다음 소스를 사용할 수 있습니다:

* Grounding DINO (Object detection)
* Grounded SAM (Segmentation)
* CLIP (Single- and multi-label classification)
* Roboflow에서 학습한 모델 ([모델 학습](/roboflow/roboflow-ko/train/train.md))
  * 참고: 현재는 Annotation Batch와 동일한 데이터셋의 모델만 지원됩니다.
* 저장된 [Workflow](/roboflow/roboflow-ko/workflows/what-is-workflows.md) 프로젝트 유형과 호환되는

Auto Label은 다음으로 구동됩니다: [Autodistill](https://github.com/autodistill/autodistill), Roboflow가 개발한 이미지 데이터셋 자동 라벨링용 오픈 소스 프레임워크입니다.

Auto Label은 컴퓨터 비전 모델 학습에 사용하기 위해 수백만 장의 이미지에 라벨을 지정하는 데 사용되어 왔습니다.

### Roboflow Auto Label을 사용해야 하는 경우

차량(예: 지게차), 사람, 일반적인 결함(예: 균열), 일반적인 제품(예: 비닐 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 유형의 균열을 구분하거나 전자제품의 고유한 결함을 식별할 수 없습니다.

## Roboflow Auto Label로 데이터에 라벨 지정

Roboflow 플랫폼에서는 Autodistill이 데이터셋의 데이터 클래스에 대해 라벨링을 어떻게 수행하는지 미리 볼 수 있습니다. 그런 다음 Roboflow가 자체 하드웨어에서 이미지를 자동 라벨링하는 데 사용할 수 있는 코드 스니펫을 제공합니다. 품질 보증을 위해(권장) 그리고 모델 학습을 위해 라벨링한 데이터셋을 다시 Roboflow에 업로드할 수 있습니다.

### 1단계: 데이터 업로드

먼저 데이터를 Roboflow에 업로드하세요. 다음을 참조하세요. [이미지, 비디오, 주석 업로드](/roboflow/roboflow-ko/datasets/adding-data.md) 자세한 내용은 안내를 확인하세요.

<figure><img src="/files/5b1c85f4182b9418430fb8f45456fba542325d7d" alt=""><figcaption><p>Roboflow에 이미지를 업로드하는 중입니다.</p></figcaption></figure>

### 2단계: Auto Label로 들어가기

모든 이미지를 업로드하면 이미지를 어떻게 라벨링할지 묻게 됩니다. "Auto-Label And Review"를 선택하세요.

<figure><img src="/files/6fd8da6dcdff0c306a799c8d5966557aa03d0850" alt="" width="353"><figcaption><p>Roboflow Auto Label 인터페이스를 열려면 "Auto-Label And Review"를 선택하세요.</p></figcaption></figure>

### 3단계: Auto Label 구성

Auto Label 라벨링 인터페이스가 나타나며, 여기서 자동 라벨링 작업을 구성할 수 있습니다.

#### 클래스(& 설명)

클래스는 이미지의 객체에 할당하려는 레이블을 나타냅니다. 설명은 선택한 foundation model(기본값은 Grounding DINO)이 해당 클래스의 인스턴스를 식별하는 데 사용할 클래스의 시각적 설명을 나타냅니다. 기본적으로 설명은 클래스 이름입니다.

Auto Label은 명확한 시각적 설명이 있는 일반적인 객체를 라벨링할 때 가장 잘 작동합니다. 예를 들어 Auto Label은 생산 라인에서 알루미늄 캔의 위치를 식별할 수 있습니다. 하지만 알루미늄 캔의 브랜드를 구분하는 것처럼 특정 요구 사항에 따라 이미지를 라벨링하는 것은 할 수 없습니다.

#### 테스트 결과 생성

Auto Label을 구성한 후 "Generate Test Results"를 클릭하여 데이터셋의 작은 일부에서 클래스를 테스트하세요. 기본적으로 4개의 이미지가 선택됩니다.

<figure><img src="/files/703ad74d2afc869673cb90f0eb86febb7672dce8" alt=""><figcaption><p>Auto Label 인터페이스.</p></figcaption></figure>

### 4단계: Roboflow Auto Label 라벨 평가

예시 이미지에서 "aluminum can" 클래스를 사용했을 때의 테스트 결과는 다음과 같습니다. 여기서 다음을 할 수 있습니다:

<figure><img src="/files/be4af851b03c19aaddff7d994ca3e6b83d6dfbda" alt=""><figcaption><p>Auto Label이 알루미늄 캔에 주석을 달고 있습니다.</p></figcaption></figure>

#### 클래스 및 설명 조정

Auto Label이 예상대로 이미지를 라벨링하지 않으면 클래스에 대해 다른 설명을 테스트해 보세요.

{% hint style="info" %}
모든 테스트 결과는 무료이며 크레딧을 사용하지 않습니다.
{% endhint %}

#### 신뢰도 조정

각 클래스 오른쪽의 숫자는 (표시된 이 클래스의 박스 수) / (이 클래스의 총 박스 수)로 표시됩니다. 각 클래스의 confidence threshold를 조정하여 더 많거나 적은 박스를 필터링할 수 있습니다. 신뢰도를 높이면 표시되는 박스 수가 줄어듭니다.

{% hint style="info" %}
여기서 설정한 confidence threshold는 전체 배치를 라벨링할 때도 동일하게 사용되므로, 올바른지 꼭 확인하세요!
{% endhint %}

#### 다른 이미지에서 테스트

배치의 다른 이미지에서 Auto Label의 성능을 검토하려면 왼쪽 아래의 "Test images" 섹션에서 이미지를 클릭하세요. 해당 이미지의 미리보기가 추가 버튼을 누르지 않아도 즉시 로드되어야 합니다.

## Workflow로 라벨 지정

foundation model이나 학습된 모델 대신 저장된 [Workflow](/roboflow/roboflow-ko/workflows/what-is-workflows.md), SAHI, 모델 앙상블, 다단계 사용자 지정 로직을 사용하여 배치에 라벨을 지정할 수 있습니다.

Auto Label 모델 드롭다운에서 "Workflows" 탭을 열고 workflow를 선택하세요. 프로젝트 유형(detection, segmentation, classification)과 호환되는 workflow만 표시됩니다.

workflow를 선택한 후 각 출력 클래스를 프로젝트의 클래스에 매핑하고 클래스별 confidence threshold를 설정하세요. 샘플 이미지에서 미리보기가 실행되므로 작업을 시작하기 전에 매핑을 확인할 수 있습니다.

{% hint style="info" %}
매핑한 클래스만 적용됩니다. 매핑되지 않은 출력 클래스는 제외되므로 프로젝트에 다시 기록하려는 모든 클래스를 매핑하세요.
{% endhint %}

매핑이 올바르면 "Auto Label With This Workflow"를 클릭하여 작업을 시작하세요. 작업은 백그라운드에서 실행되며 매핑된 레이블을 배치에 적용합니다.

### 배치에서 Auto Label 실행

Auto Label이 이미지를 예상대로 라벨링하면 "Auto Label with This Model"을 클릭하세요. 요약 모달을 검토한 다음 클릭하여 진행하세요. 천 장의 이미지를 라벨링하는 데는 몇 분 정도 걸립니다.

작업이 시작되면 Annotate 페이지로 이동하며, 새 Auto Label 작업이 다른 주석 작업과 함께 표시됩니다. Auto Label은 백그라운드에서 실행되므로 완료되면 그곳에서 결과를 검토할 수 있습니다.