> 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/box-prompting-ai-labeling.md). # Box Prompting {% hint style="info" %} Box Prompting은 여러 기능 중 하나입니다 [AI Labeling](/roboflow/roboflow-ko/annotate/ai-labeling.md) 기능입니다. 이 기능을 사용하면 [크레딧을](/roboflow/roboflow-ko/billing/credits.md) 당사에 명시된 요율에 따라 [크레딧 페이지](https://roboflow.com/credits). {% endhint %} {% embed url="" %} annotation toolbar에서 Box Prompting을 활성화하세요. {% endembed %} Box Prompting은 하나 이상의 prompt bounding box를 사용해 유사한 객체에 대한 annotations를 생성합니다. 각 예시는 이미지를 거듭할수록 개선되는 모델을 fine-tune합니다. Box Prompting을 사용하면 데이터셋에 여러 번 등장하는 객체 주위에 bounding box를 일일이 손으로 그리는 데 드는 시간을 수시간 절약할 수 있습니다. ### 1단계: 각 class의 예시를 최소 하나 이상 annotate하세요 Box prompting을 사용하려면 예측 생성을 위한 예시로 제공할 최소 하나의 bounding box annotation을 만들어야 합니다. ### 2단계: Box Prompting 도구를 활성화하세요 Box Prompting 도구가 활성화되어 있는지 확인하면 마법이 펼쳐집니다! Box Prompting은 annotations를 기반으로 predictions를 생성합니다. annotation을 저장하거나 삭제할 때마다 predictions가 점선으로 표시됩니다. {% hint style="info" %} Predictions는 annotations가 아니며 이미지에서 벗어나면 저장되지 않습니다. predictions를 저장하는 방법은 4단계를 참조하세요. {% endhint %} ### 3단계: predictions를 fine-tune하세요 여기에서 할 수 있는 작업은 다음과 같습니다: #### **신뢰도 조정** 슬라이더를 사용해 confidence threshold를 조정하여 표시되는 predictions 수를 조절하세요. confidence가 높을수록 predictions 수는 줄어듭니다.

confidence threshold를 변경하여 표시되는 predictions 수를 조절하세요.

#### negative examples 제공하기 잘못된 predictions가 발생하면 box를 마우스 오른쪽 버튼으로 클릭하고 "Convert to Negative"를 선택하세요. 이렇게 하면 향후 이 유형의 객체를 라벨링하지 않도록 모델을 학습시킵니다. negative examples는 음영 처리되어 표시됩니다. 동일한 마우스 오른쪽 버튼 메뉴를 통해 기존 annotations도 negative로 변환할 수 있습니다.

잘못된 predictions를 마우스 오른쪽 버튼으로 클릭하고 Convert to Negative 를 선택해 negative prompt를 제공하세요.

#### 추가 examples 추가하기 다른 labels로 생성한 추가 annotations는 모델이 이미지 내 서로 다른 객체를 구분하는 데 도움이 됩니다. 더 많은 examples를 추가한 뒤 "Predict"를 클릭하면 새로운 predictions를 생성할 수 있습니다. 최상의 결과를 위해 이미지의 각 고유 객체마다 1\~2개의 examples를 제공하세요. {% hint style="info" %} confidence를 낮추고 과도한 predictions를 negative로 변환하는 방식이, confidence를 높게 설정하는 것보다 predictions를 fine-tune하기 더 쉬울 수 있습니다. {% endhint %} ### 4단계: predictions 승인하기 predictions가 만족스러우면 "Approve Predictions"를 클릭하세요. 그러면 모든 predictions가 annotations로 변환되며, 이미지를 벗어나도 저장되도록 보장됩니다. 이제 평소처럼 annotations를 편집하고 삭제할 수 있습니다.

predictions를 이미지에 저장하려면 승인하세요.

### 5단계: 더 많은 이미지에 실행하기 #### annotate할수록 이미지가 training set에 추가됩니다. 이미지를 annotate할수록 Box Prompting은 사람이 그리거나 사람이 편집한 annotations가 있는 모든 이미지로 학습됩니다. (수정 없이 승인된 predictions는 포함되지 않습니다.) 즉, 새 이미지에서 box를 하나도 그리지 않고도 "Predict"를 클릭해 predictions를 생성할 수 있습니다! tool menu에서 training set에 포함된 이미지 수를 확인할 수 있습니다. ## Best Practices #### 시각적으로 구분되는 객체마다 예시를 하나씩 제공하세요. 서로 비슷하게 보이는 여러 객체가 있는 이미지에서는 중요한 색상, 크기 또는 카메라 각도 차이마다 최소 하나의 예시를 제공하는 것이 도움이 될 수 있습니다. #### 비슷한 이미지는 같은 annotation session에서 annotate하세요. Box prompting은 이미지의 내용이 비슷할 때 가장 잘 작동하며, 이를 통해 predictions를 생성하면서 training examples를 빠르게 재사용할 수 있습니다. #### 오류 누적을 방지하려면 bounding box를 더 정확하게 맞추세요. 종종 predicted bounding box가 실제보다 더 크게 나타납니다. 배경의 일부가 잘못 포함되지 않도록 크기를 줄이세요. #### Box Prompting은 사진이나 정지 프레임에서 가장 잘 작동합니다. 문서나 컴퓨터 그래픽에 대해서도 predictions를 제공할 수 있지만, Box Prompting은 사진에서 반복되는 항목을 식별하는 데 가장 적합합니다. #### 정확도를 높이려면 negative examples를 제공하세요. 특정 annotation class에서 false positive predictions가 발생하는 것을 발견하면, 마우스 오른쪽 버튼을 클릭하고 "Convert to Negative"를 선택해 Box Prompting 모델에 negative example을 제공할 수 있습니다. ### 제한 사항 Box Prompting 모델은 추론할 때 이미지를 축소해야 합니다. 따라서 큰 이미지에서 작은 항목을 감지하려고 하면 만족스럽지 않은 결과가 나올 수 있습니다. 가로세로 어느 한 쪽이 1000px 이하인 이미지에서 최적의 결과를 얻을 수 있으며, 이미지가 2000px 이상이고 작은 bounding box(가로/세로의 약 5% 미만)가 있을 경우 잘 작동하지 않을 수 있다는 경고가 표시됩니다 {% hint style="info" %} 이 제한 사항은 Box Prompting에만 적용됩니다. model training 시에는 다음과 같이 Tiling을 적용할 수 있습니다. [전처리 단계](/roboflow/roboflow-ko/datasets/dataset-versions/image-preprocessing.md) version generation 중에 trained models에서 이러한 영향을 방지하기 위해. {% endhint %}