> 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 많은 기능 중 하나입니다 [AI Labeling](/roboflow/roboflow-ko/annotate/ai-labeling.md) 입니다. 이 기능을 사용하면 [크레딧을](/roboflow/roboflow-ko/billing/credits.md) 소비하게 되며, 요금은 다음에 나와 있는 [credits 페이지](https://roboflow.com/credits). {% endhint %} {% embed url="" %} annotation toolbar에서 Box Prompting을 활성화하세요. {% endembed %} Box Prompting은 하나(또는 그 이상)의 prompt bounding box를 사용해 유사한 객체에 대한 annotation을 생성합니다. 각 예시는 이미지가 추가될수록 개선되는 model을 fine-tune합니다. Box Prompting을 사용하면 데이터셋에 여러 번 나타나는 객체 주위에 bounding box를 수동으로 그리는 데 드는 수시간을 절약할 수 있습니다. ### 1단계: 각 class마다 최소 하나의 예시를 annotate하세요 Box prompting을 사용하려면 예측 생성을 위한 예시로 제공할 최소 하나의 bounding box annotation을 만들어야 합니다. ### 2단계: Box Prompting 도구를 활성화하세요 마법 같은 일이 벌어지는 것을 보려면 Box Prompting 도구가 활성화되어 있는지 확인하세요! Box Prompting은 사용자의 annotations를 바탕으로 predictions를 생성합니다. annotation을 저장하거나 삭제할 때마다 predictions가 점선으로 표시됩니다. {% hint style="info" %} predictions는 annotations가 아니며, 이미지에서 벗어나면 저장되지 않습니다. predictions를 저장하는 방법은 4단계를 참고하세요. {% endhint %} ### 3단계: predictions를 fine-tune하세요 여기서 다음을 할 수 있습니다: #### **신뢰도 조정하기** 슬라이더로 confidence threshold를 조정하여 표시되는 predictions 수를 조절하세요. confidence가 높을수록 predictions는 줄어듭니다.

confidence threshold를 변경하여 표시되는 predictions 수를 조정하세요.

#### negative example 제공하기 잘못된 prediction이 있으면 box를 마우스 오른쪽 버튼으로 클릭하고 "Convert to Negative"를 선택하세요. 이렇게 하면 이 유형의 객체를 앞으로는 라벨링하지 않도록 model이 학습됩니다. negative example은 음영 처리된 상태로 표시됩니다. 같은 마우스 오른쪽 버튼 메뉴를 통해 기존 annotations를 negative로 변환할 수도 있습니다.

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

#### 추가 예시를 추가하세요 다른 label로 만든 추가 annotation은 이미지 내 서로 다른 객체를 model이 구분하는 데 도움이 됩니다. 예시를 더 추가한 뒤에는 "Predict"를 클릭해 새 predictions를 생성할 수 있습니다. 최상의 결과를 위해 이미지의 각 고유 객체마다 1\~2개의 예시를 제공하세요. {% hint style="info" %} confidence를 낮추고 초과 predictions를 negative로 변환하는 방식이, confidence를 높게 설정하는 것보다 predictions를 fine-tune하기 더 쉬울 수 있습니다. {% endhint %} ### 4단계: predictions를 승인하세요 predictions가 만족스러우면 "Approve Predictions"를 클릭하세요. 그러면 모든 predictions가 annotations로 변환되며, 이후 이미지를 벗어나더라도 저장되도록 보장됩니다. 여기서부터는 평소처럼 annotations를 편집하고 삭제할 수 있습니다.

predictions를 승인하여 이미지에 저장하세요.

### 5단계: 더 많은 이미지에서 실행하세요 #### annotation을 할수록 이미지가 training set에 추가됩니다. 이미지를 annotate할수록 Box Prompting은 사람이 직접 그리거나 사람이 편집한 annotations가 있는 모든 이미지로 학습됩니다. (수정 없이 승인된 predictions는 포함되지 않습니다.) 즉, 한 개의 box도 그리지 않고 새 이미지에서 "Predict"를 클릭해도 predictions를 생성할 수 있습니다! training set에 포함된 이미지 수는 도구 메뉴에서 확인할 수 있습니다. ## 모범 사례 #### 시각적으로 구별되는 각 객체에 대해 예시를 제공하세요. 비슷하게 보이는 여러 객체가 있는 이미지에서는, 중요한 색상·크기·카메라 각도 차이마다 최소 하나의 예시를 제공하면 도움이 될 수 있습니다. #### 비슷한 이미지는 같은 annotation 세션에서 annotate하세요. Box prompting은 이미지의 내용이 비슷할수록 가장 잘 작동하며, 이를 통해 predictions를 생성하면서 training examples를 빠르게 재사용할 수 있습니다. #### 오류가 누적되지 않도록 bounding box를 더 촘촘하게 조정하세요. 대개 예측된 bounding box는 실제보다 더 크게 나옵니다. 배경의 일부를 잘못 포함하지 않도록 크기를 줄이세요. #### Box Prompting은 사진이나 정지 프레임에서 가장 잘 작동합니다. 문서나 컴퓨터 그래픽에도 predictions를 제공할 수는 있지만, Box Prompting은 사진에서 반복되는 항목을 식별하는 데 가장 적합합니다. #### 정확도를 높이기 위해 negative example을 제공하세요. 특정 annotation class에서 false positive prediction이 발생한다면, 마우스 오른쪽 버튼을 클릭하고 "Convert to Negative"를 선택해 Box Prompting model에 negative example을 제공할 수 있습니다. ### 제한 사항 Box Prompting model은 추론 시 이미지를 축소해야 합니다. 따라서 큰 이미지에서 작은 항목을 감지하려고 하면 만족스럽지 않은 결과가 나올 수 있습니다. 가로 또는 세로 어느 한쪽이든 1000px 이하인 이미지에서 최적의 결과를 얻을 수 있으며, 이미지가 2000px 이상이고 작은 bounding box(너비/높이의 약 5% 미만)가 있을 때는 잘 작동하지 않을 것이라는 경고가 표시됩니다 {% hint style="info" %} 이러한 제한은 Box Prompting에만 적용됩니다. model training 시에는 Tiling을 [전처리 단계로](/roboflow/roboflow-ko/datasets/dataset-versions/image-preprocessing.md) 버전 생성 중에 적용하여 학습된 model에서 이러한 영향을 방지할 수 있습니다. {% 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-ko/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.