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

# Auto Label

{% hint style="info" %}
Auto Label कई में से एक है [AI Labeling](/roboflow/roboflow-hi/annotate/ai-labeling.md) features. इस feature का उपयोग करने पर खर्च होंगे [credits](/roboflow/roboflow-hi/billing/credits.md) हमारी credits page पर सूचीबद्ध दरों पर [credits पेज](https://roboflow.com/credits).
{% endhint %}

Roboflow Auto Label आपको बड़े foundation vision models (जैसे Grounding DINO) या Roboflow में प्रशिक्षित models का उपयोग करके images को स्वचालित रूप से label करने देता है।

Roboflow Auto Label आपके द्वारा निर्दिष्ट objects की पहचान करने के लिए निम्नलिखित models का उपयोग करने की कोशिश करेगा:

* Grounding DINO (Object detection)
* Grounded SAM (Segmentation)
* CLIP (Single- and multi-label classification)
* Roboflow में प्रशिक्षित Models ([एक Model Train करें](/roboflow/roboflow-hi/train/train.md))
  * Note: वर्तमान में केवल आपके Annotation Batch के समान dataset के models ही supported हैं।

Auto Label को शक्ति मिलती है [Autodistill](https://github.com/autodistill/autodistill), Roboflow द्वारा विकसित image datasets को auto-label करने के लिए एक open source framework.

Computer vision models को प्रशिक्षित करने में उपयोग के लिए लाखों images को label करने में Auto Label का उपयोग किया गया है।

### Roboflow Auto Label का उपयोग कब करें

यदि आपको vehicles (जैसे forklifts), लोगों, सामान्य defects (जैसे cracks), और सामान्य products (जैसे vinyl records, bread) जैसे common objects को annotate करना है, तो आपको Roboflow Auto Label का उपयोग करना चाहिए।

यदि आपको किसी object के specific variants की पहचान करनी है, तो आपको Autodistill में foundation models का उपयोग नहीं करना चाहिए। उदाहरण के लिए, Autodistill crack के अलग-अलग types में अंतर नहीं कर सकता, या electronics में unique defects की पहचान नहीं कर सकता।

## Roboflow Auto Label के साथ Data को label करें

Roboflow platform आपको यह पूर्वावलोकन करने देता है कि Autodistill आपके dataset में data की classes को label करने में कैसा प्रदर्शन करेगा। फिर, Roboflow एक code snippet साझा करेगा जिसका उपयोग आप अपने hardware पर images को auto-label करने के लिए कर सकते हैं। आप अपने labeled dataset को quality assurance (recommended) और model को train करने के लिए वापस Roboflow पर upload कर सकते हैं।

### Step #1: Data Upload करें

सबसे पहले, Roboflow पर data upload करें. हमारा देखें [Images, Videos, और Annotations अपलोड करें](/roboflow/roboflow-hi/datasets/adding-data.md) अधिक जानकारी के लिए instructions.

<figure><img src="/files/06cfefb2193fa775ed047b19c0ce99fd7a36d068" alt=""><figcaption><p>Roboflow में images upload करना.</p></figcaption></figure>

### Step #2: Auto Label खोलें

जब आप अपनी सभी images upload कर लें, तो आपसे पूछा जाएगा कि आप अपनी images को कैसे label करना चाहते हैं. "Auto Label" चुनें.

<figure><img src="/files/2fa7dd53b7b5e8d9ba02868d27753b9e2829e93a" alt="" width="353"><figcaption><p>Roboflow Auto Label interface खोलने के लिए "Auto Label" चुनें.</p></figcaption></figure>

### Step #3: Auto Label configure करें

Auto Label labeling interface दिखाई देगा, जिसमें आप अपने auto labeling job को configure कर सकते हैं.

#### Classes (& Descriptions)

Classes उन labels का प्रतिनिधित्व करती हैं जिन्हें आप image में objects को assign करना चाहते हैं. Descriptions class का एक visual description होती हैं जिसका उपयोग आपका चुना हुआ foundation model (डिफ़ॉल्ट रूप से Grounding DINO) उन classes के instances की पहचान करने के लिए करेगा. डिफ़ॉल्ट रूप से, description class name होगा.

Auto Label सामान्य objects को स्पष्ट visual descriptions के साथ label करने पर सबसे अच्छा काम करता है. उदाहरण के लिए, Auto Label एक production line पर aluminum can के स्थान की पहचान कर सकेगा. लेकिन, Auto Label images को विशिष्ट आवश्यकताओं के अनुसार label करने में असमर्थ होगा, जैसे aluminum can के brand में अंतर करना.

#### Test Results जनरेट करना

जब आप Auto Label configure कर लें, तो अपने dataset के एक छोटे subset पर अपनी classes का परीक्षण करने के लिए "Generate Test Results" पर click करें. डिफ़ॉल्ट रूप से, चार images चुनी जाती हैं.

<figure><img src="/files/0b026b779ac16ac707b9c33882885ba56189172b" alt=""><figcaption><p>Auto Label interface.</p></figcaption></figure>

### Step #4: Roboflow Auto Label Labels का मूल्यांकन करें

यहाँ उदाहरण image पर "aluminum can" class का उपयोग करने पर test results दिए गए हैं. यहाँ से, आप:

<figure><img src="/files/f0dff9bac445de7e19cc181379d5df2b21b9a5b6" alt=""><figcaption><p>Auto Label aluminum cans को annotate कर रहा है.</p></figcaption></figure>

#### अपनी classes & descriptions समायोजित करें

यदि Auto Label images को अपेक्षा के अनुसार label नहीं करता, तो अपनी classes के लिए अलग-अलग descriptions का परीक्षण करें.

{% hint style="info" %}
सभी test results free हैं और कोई credits उपयोग नहीं करते.
{% endhint %}

#### Confidence समायोजित करें

हर class के दाईं ओर दी गई संख्या इस प्रकार दर्शाई जाती है: (इस class के दिखाए गए boxes) / (इस class के कुल boxes). आप अधिक या कम boxes को फ़िल्टर करने के लिए प्रत्येक class का confidence threshold समायोजित कर सकते हैं. Higher confidence का मतलब है कि कम boxes दिखाए जाएंगे.

{% hint style="info" %}
यहाँ सेट किया गया confidence threshold पूरे batch को label करते समय भी वही उपयोग होगा, इसलिए सुनिश्चित करें कि यह सही दिखे!
{% endhint %}

#### अलग-अलग images पर परीक्षण करें

अपने batch की अलग-अलग images पर Auto Label के प्रदर्शन की समीक्षा करने के लिए, नीचे बाईं ओर "Test images" section में किसी image पर click करें. उस image का preview बिना अतिरिक्त buttons दबाए तुरंत load हो जाना चाहिए.

### अपने batch पर Auto Label चलाएँ

यदि Auto Label आपकी images को आपकी अपेक्षा के अनुसार label करता है, तो "Auto Label with This Model" पर click करें. summary modal की समीक्षा करें, और आगे बढ़ने के लिए click करें. एक हज़ार images को label करने में कुछ मिनट लगने चाहिए.

Auto Label background में चलेगा, इसलिए आप आराम से बैठ सकते हैं जब तक results की समीक्षा करने का समय न आ जाए.


---

# 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-hi/annotate/ai-labeling/automated-annotation-with-autodistill.md?ask=<question>&goal=<endgoal>
```

`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.