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

# Auto Label

{% hint style="info" %}
Auto Label は数多くある [AI Labeling](/roboflow/roboflow-jp/annotate/ai-labeling.md) 機能の1つです。この機能を使用すると [クレジット](/roboflow/roboflow-jp/billing/credits.md) を当社の [creditsページに記載されたレートで](https://roboflow.com/credits).
{% endhint %}

Roboflow Auto Label を使うと、大規模な foundation vision model（つまり Grounding DINO）、Roboflow で学習済みのモデル、または保存済みの [Workflow](/roboflow/roboflow-jp/workflows/what-is-workflows.md) を使って、画像を自動でラベル付けできます。

Roboflow Auto Label は、指定したオブジェクトを特定するために次のソースを使用できます：

* Grounding DINO（Object detection）
* Grounded SAM（Segmentation）
* CLIP（Single- and multi-label classification）
* Roboflow で学習されたモデル（[モデルを学習](/roboflow/roboflow-jp/xue-xi/train.md))
  * 注: 現在は、Annotation Batch と同じデータセットのモデルのみサポートされています。
* 保存済みの [Workflow](/roboflow/roboflow-jp/workflows/what-is-workflows.md) お使いのプロジェクトタイプに対応する

Auto Label は [Autodistill](https://github.com/autodistill/autodistill) によって支えられています。これは Roboflow によって開発された、画像データセットを自動ラベル付けするためのオープンソースフレームワークです。

Auto Label は、コンピュータビジョンモデルの学習に使うために何百万枚もの画像のラベル付けに利用されてきました。

### Roboflow Auto Label を使うべきタイミング

車両（例: フォークリフト）、人物、一般的な欠陥（例: ひび割れ）、汎用製品（例: レコード盤、パン）などの一般的なオブジェクトにアノテーションする必要がある場合は、Roboflow Auto Label を使うべきです。

オブジェクトの特定のバリエーションを識別する必要がある場合は、Autodistill で foundation model を使うべきではありません。たとえば、Autodistill では異なる種類のひび割れを見分けたり、電子機器の独自の欠陥を識別したりすることはできません。

## Roboflow Auto Label でデータにラベルを付ける

Roboflow プラットフォームでは、Autodistill がデータセット内のデータクラスのラベリングでどの程度うまく動作するかをプレビューできます。その後、Roboflow はご自身のハードウェアで画像を自動ラベル付けするために使用できるコードスニペットを共有します。ラベル付けしたデータセットを Roboflow にアップロードして品質保証（推奨）やモデル学習に使うことができます。

### ステップ #1: データをアップロード

まず、Roboflow にデータをアップロードします。詳細は [画像、ビデオ、アノテーションをアップロード](/roboflow/roboflow-jp/datasets/adding-data.md) 手順をご覧ください。

<figure><img src="/files/bbd17e291892b7ffaec52490d4db3ed0d8b0e073" alt=""><figcaption><p>Roboflow に画像をアップロードしています。</p></figcaption></figure>

### ステップ #2: Auto Label に進む

すべての画像をアップロードすると、画像をどのようにラベル付けするか尋ねられます。「Auto-Label And Review」を選択してください。

<figure><img src="/files/3197f1ebd04716bf93336793453b4a43f0d0e7cc" alt="" width="353"><figcaption><p>「Auto-Label And Review」を選択して Roboflow Auto Label インターフェースを開きます。</p></figcaption></figure>

### ステップ #3: Auto Label を設定

Auto Label のラベル付けインターフェースが表示され、ここで自動ラベル付けジョブを設定できます。

#### クラス（& 説明）

クラスは、画像内のオブジェクトに割り当てたいラベルを表します。説明は、選択した foundation model（既定では Grounding DINO）がそれらのクラスのインスタンスを識別するために使う、クラスの視覚的な説明を表します。既定では、説明はクラス名になります。

Auto Label は、明確な視覚的説明を持つ一般的なオブジェクトのラベル付けで最も効果を発揮します。たとえば、Auto Label は生産ライン上のアルミ缶の位置を特定できます。しかし、アルミ缶のブランドを見分けるといった特定の要件に基づいて画像にラベルを付けることはできません。

#### テスト結果の生成

Auto Label を設定したら、「Generate Test Results」をクリックして、データセットの小さなサブセットでクラスをテストします。既定では4枚の画像が選択されます。

<figure><img src="/files/1350ae003d2765e405d9f54bb68fbeb2196c32e3" alt=""><figcaption><p>Auto Label インターフェース。</p></figcaption></figure>

### ステップ #4: Roboflow Auto Label のラベルを評価

以下は、サンプル画像に対してクラス「aluminum can」を使用したときのテスト結果です。ここから、次のことができます：

<figure><img src="/files/68264ec4cdb9a70bbbcdc08d51e428cfb7de7bfd" alt=""><figcaption><p>Auto Label がアルミ缶に注釈を付けている様子。</p></figcaption></figure>

#### クラスと説明を調整する

Auto Label が期待どおりに画像へラベルを付けない場合は、クラスの説明を変えて試してみてください。

{% hint style="info" %}
すべてのテスト結果は無料で、クレジットは一切使用しません。
{% endhint %}

#### 信頼度を調整する

各クラスの右側にある数値は、(表示されているこのクラスのボックス数) / (このクラスの総ボックス数) を表しています。各クラスの信頼度しきい値を調整して、表示するボックス数を増減できます。信頼度が高いほど、表示されるボックスは少なくなります。

{% hint style="info" %}
ここで設定した信頼度しきい値は、バッチ全体をラベル付けするときにも同じものが使われるので、正しく見えるようにしてください。
{% endhint %}

#### 別の画像でテストする

バッチ内の別の画像で Auto Label の性能を確認するには、左下の「Test images」セクションにある画像をクリックします。その画像のプレビューは、追加のボタンを押さなくてもすぐに読み込まれるはずです。

## Workflow でラベル付けする

foundation model や学習済みモデルの代わりに、保存済みの [Workflow](/roboflow/roboflow-jp/workflows/what-is-workflows.md) を使って、SAHI、model ensemble、複数ステップのカスタムロジックでバッチにラベル付けできます。

Auto Label のモデルのドロップダウンで「Workflows」タブを開き、Workflow を選択します。プロジェクトタイプ（detection、segmentation、classification）に対応する Workflow のみが一覧表示されます。

Workflow を選択したら、その出力クラスをそれぞれプロジェクト内のクラスにマッピングし、クラスごとの信頼度しきい値を設定します。サンプル画像でプレビューが実行されるので、ジョブ開始前にマッピングを確認できます。

{% hint style="info" %}
マッピングしたクラスだけが適用されます。マッピングのない出力クラスは破棄されるため、プロジェクトに書き戻したいクラスはすべてマッピングしてください。
{% endhint %}

マッピングが正しければ、「Auto Label With This Workflow」をクリックしてジョブを開始します。バックグラウンドで実行され、マッピングされたラベルがバッチに適用されます。

### バッチに Auto Label を実行する

Auto Label が画像を期待どおりにラベル付けしたら、「Auto Label with This Model」をクリックします。要約モーダルを確認し、クリックして進みます。1,000枚の画像にラベルを付けるには数分かかるはずです。

ジョブが開始されると Annotate ページに移動し、新しい Auto Label ジョブが他のアノテーションジョブと並んで一覧表示されます。Auto Label はバックグラウンドで実行されるため、完了時にそこで結果を確認できます。