Auto Label
training models में उपयोग के लिए images auto-label करें।
Auto Label कई में से एक है AI Labeling फीचर्स में से एक है। इस फीचर का उपयोग करने से credits हमारी सूचीबद्ध दरों पर credits page.
Roboflow Auto Label आपको बड़े foundation vision models (यानी Grounding DINO) या Roboflow द्वारा 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 का प्रयास करेगा:
Grounding DINO (Object detection)
Grounded SAM (Segmentation)
CLIP (Single- and multi-label classification)
Roboflow में प्रशिक्षित models (एक Model train करें)
नोट: वर्तमान में केवल आपके Annotation Batch के समान dataset के models समर्थित हैं।
Auto Label को संचालित करता है Autodistill, जो Roboflow द्वारा विकसित image datasets के auto-labeling के लिए एक open source framework है।
Auto Label का उपयोग प्रशिक्षण computer vision models में उपयोग के लिए लाखों images को label करने में किया गया है।
Roboflow Auto Label का उपयोग कब करें
यदि आपको vehicles (यानी forklifts), people, generic defects (यानी cracks), और generic products (यानी 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 cracks के अलग-अलग types के बीच 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 preview 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 के लिए (अनुशंसित) और एक model को train करने के लिए वापस Roboflow पर upload कर सकते हैं।
Step #1: Data Upload करें
सबसे पहले, data को Roboflow पर upload करें। अधिक जानकारी के लिए हमारे Images, Videos, और Annotations upload करें instructions देखें।
Step #2: Auto Label दर्ज करें
एक बार जब आप अपनी सभी images upload कर लेते हैं, तो आपसे पूछा जाएगा कि आप अपनी images को कैसे label करना चाहते हैं। "Auto Label" चुनें।
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 प्रस्तुत करती 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 होगी।
Auto Label common objects को clear visual descriptions के साथ label करते समय सबसे अच्छा काम करता है। उदाहरण के लिए, Auto Label production line पर aluminum can की location की पहचान कर सकेगा। लेकिन Auto Label images को specific requirements के अनुसार label करने में सक्षम नहीं होगा, जैसे aluminum can के brand में अंतर करना।
Test Results जनरेट करना
एक बार जब आप Auto Label configure कर लेते हैं, तो अपने dataset के छोटे subset पर अपनी classes का परीक्षण करने के लिए "Generate Test Results" पर क्लिक करें। डिफ़ॉल्ट रूप से, चार images चुनी जाती हैं।
Step #4: Roboflow Auto Label Labels का मूल्यांकन करें
यहाँ example image पर class "aluminum can" का उपयोग करने पर test results दिए गए हैं। यहाँ से, आप कर सकते हैं:
अपनी classes और descriptions समायोजित करें
यदि Auto Label images को अपेक्षा के अनुसार label नहीं करता है, तो अपनी classes के लिए अलग-अलग descriptions का परीक्षण करने का प्रयास करें।
सभी test results free हैं और किसी credits का उपयोग नहीं करते।
confidence समायोजित करें
हर class के दाईं ओर की संख्या (इस class के दिखाए गए boxes) / (इस class के कुल boxes) के रूप में दर्शाई जाती है। आप अधिक या कम boxes फ़िल्टर करने के लिए प्रत्येक class का confidence threshold समायोजित कर सकते हैं। अधिक confidence का मतलब है कम boxes दिखाए जाएंगे।
यहाँ सेट किया गया confidence threshold वही होगा जो पूरी batch को label करते समय उपयोग किया जाएगा, इसलिए सुनिश्चित करें कि यह सही दिखता है!
विभिन्न images पर परीक्षण करें
अपनी batch की विभिन्न images पर Auto Label के प्रदर्शन की समीक्षा करने के लिए, नीचे बाईं ओर "Test images" section में किसी image पर क्लिक करें। उस image का preview तुरंत load हो जाना चाहिए, बिना अतिरिक्त buttons दबाए।
अपनी Batch पर Auto Label चलाएँ
यदि Auto Label आपकी images को अपेक्षा के अनुसार label करता है, तो "Auto Label with This Model" पर क्लिक करें। summary modal की समीक्षा करें, और आगे बढ़ने के लिए क्लिक करें। एक हजार images को label करने में कुछ मिनट लगने चाहिए।
Auto Label background में चलेगा, इसलिए आप आराम से बैठ सकते हैं और results की समीक्षा का समय आने तक relax कर सकते हैं।
अंतिम अपडेट
क्या यह उपयोगी था?