> 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/annotation-tools.md).

# Roboflow Annotate

Roboflow Annotate एक तेज़, मजबूत इंटरफ़ेस प्रदान करता है जिसके माध्यम से आप images को annotate कर सकते हैं.

आप bounding boxes और polygons का उपयोग करके images को annotate कर सकते हैं.

### Annotation Methods

आप images को इस प्रकार annotate कर सकते हैं:

* Bounding boxes/polygons/ को मैन्युअली बनाकर
* का उपयोग करके [AI Labeling](/roboflow/roboflow-hi/annotate/ai-labeling.md)

### Bounding Boxes बनाम Polygons बनाम Masks

bounding boxes और polygons के बीच विकल्प होने पर, आप सोच सकते हैं: इन दो annotation types के बीच क्या अंतर है?

Bounding boxes — image में रुचि वाले object के चारों ओर बनाए गए boxes — polygons की तुलना में बनाना आसान होते हैं, इसलिए इनमें कम annotation time लगता है। दूसरी ओर, polygons अधिक सटीक होते हैं, और प्रदर्शन में थोड़ा सुधार ला सकते हैं.

Segmentation tasks के लिए, आपको polygons या masks का उपयोग करना होगा, क्योंकि आप अपने model को image से विशिष्ट items को सटीकता के साथ segment करने के लिए train कर रहे हैं। जब आपको pixel-perfect control की आवश्यकता हो, तो masks जटिल boundaries के लिए सर्वोच्च fidelity प्रदान करते हैं.

Roboflow documentation का यह section दिखाता है कि ऊपर दिए गए प्रत्येक तरीकों का उपयोग करके images को कैसे annotate किया जाए.

### Project Types और Annotations

अलग-अलग model types के लिए विशिष्ट annotation formats की आवश्यकता होती है। नीचे दी गई table दिखाती है कि कौन-से annotations प्रत्येक project type के साथ compatible हैं। जब\
संभव हो, Roboflow automatically annotations को आवश्यक format में convert कर देता है (उदा., object detection के लिए polygons को bounding boxes में).

| Project Type          | Supported Annotations              |
| --------------------- | ---------------------------------- |
| Object Detection      | Bounding Box, Polygon, Mask\*      |
| Instance Segmentation | Polygon, Mask                      |
| Semantic Segmentation | Polygon, Mask                      |
| कुंजीबिंदु पहचान      | Keypoints (skeleton)               |
| Classification        | कोई नहीं (केवल image-level labels) |

*\*Polygons और masks को automatically bounding boxes में convert किया जाता है.*\ <br>

**मुख्य अंतर**

* Instance बनाम Semantic Segmentation: Instance अलग-अलग objects को पहचानता है; Semantic एक ही class के सभी objects को एक entity के रूप में मानता है.
* Single बनाम Multi-Label Classification: Single प्रति image एक class असाइन करता है; Multi-Label प्रति image कई classes की अनुमति देता है.