Auto Label

モデルのトレーニングに使用するために画像を自動でラベル付けします。

Auto Label は多くの機能の一つです AI Labeling 機能です。この機能を使用すると、 credits が当社の料金表に記載されたレートで消費されます。 クレジットページ.

Roboflow Auto Label を使用すると、大規模な基盤視覚モデル（例: Grounding DINO）や Roboflow で訓練されたモデルを使って画像を自動的にラベル付けできます。

Roboflow Auto Label は、指定したオブジェクトを識別するために次のモデルを使用しようとします:

• Grounding DINO（物体検出）

• Grounded SAM（セグメンテーション）

• CLIP（単一ラベルおよびマルチラベル分類）

• Roboflow で訓練されたモデル（Train a Model)

  • 注意: 現在サポートされているのは、アノテーションバッチと同じデータセットのモデルのみです。

Auto Label は次によって動作しています Autodistill、Roboflow が開発した画像データセットの自動ラベリングの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訓練に使用するために、何百万もの画像にラベルを付けるために使用されてきました。

Roboflow Auto Label を使用するタイミング

フォークリフトなどの車両、人物、一般的な欠陥（例: ひび）、一般的な製品（例: レコード、パン）など、一般的なオブジェクトを注釈する必要がある場合は Roboflow Auto Label を使用してください。

オブジェクトの特定のバリアントを識別する必要がある場合は、Autodistill の基盤モデルを使用すべきではありません。例えば、Autodistill はひびの種類を区別したり、電子機器のユニークな欠陥を特定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クラスのラベリングをどのように行うかをプレビューできます。その後、Roboflow は自分のハードウェアで画像を自動ラベル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は品質保証（推奨）やモデル訓練のために Roboflow にアップロードできます。

ステップ #1: データをアップロード

まず、データを Roboflow にアップロードします。詳しくは当社の Upload Images, Videos, and Annotations 手順をご覧ください。

Roboflow への画像のアップロード。

ステップ #2: Auto Label に入る

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

「Auto Label」を選択すると Roboflow Auto Label インターフェースが開きます。

ステップ #3: Auto Label を設定

Auto Label のラベリングインターフェースが表示され、そこで自動ラベリング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、選択した基盤モデル（デフォルトでは Grounding DINO）がそのクラスのインスタンスを識別するために使用する視覚的説明を表します。デフォルトでは、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をラベル付けする場合に最適に機能します。例えば、Auto Label は生産ライン上のアルミ缶の位置を識別できます。しかし、アルミ缶のブランドを区別するなど、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。デフォルトでは 4 枚の画像が選択されます。

Auto Label インターフェース。

ステップ #4: Roboflow Auto Label のラベルを評価

ここでは、サンプル画像で「aluminum can」クラスを使用したときのテスト結果を示します。ここから次のことができます:

Auto Label がアルミ缶に注釈を付けている様子。

クラスと説明を調整する

Auto Label が期待どおりにラベル付けしない場合は、クラスの説明を変えてテストしてみてください。

すべてのテスト結果は無料で、クレジットを消費しません。

信頼度を調整する

各クラスの右側に表示される数値は（表示されるそのクラスのボックス数）／（そのクラスの総ボックス数）として表されます。各クラスの信頼度しきい値を調整して、より多くまたはより少ないボックスをフィルタリングできます。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。

ここで設定した信頼度しきい値は、バッチ全体にラベル付けする際に使用されるものと同じになるため、正しく見えることを確認してください！

別の画像でテストする

バッチ内の別の画像で Auto Label のパフォーマンスを確認するには、左下の「Test images」セクションで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。

バッチに対して Auto Label を実行する

Auto Label が期待どおりに画像にラベルを付ける場合は、「Auto Label with This Model」をクリックしてください。要約モーダルを確認し、続行をクリックします。1000 枚の画像にラベルを付けるのに数分かかります。

Auto Label はバックグラウンドで実行されるので、結果を確認する時間になるまでリラックスしてお待ちください。