Box Prompting

例を重ねるごとに改善する AI Labeling ツールで画像にアノテーションを付けます。

Box Prompting は数ある機能の一つです AI Labeling 機能のひとつです。この機能を使用すると、 クレジット を消費します。料金は当社の credits page.

注釈ツールバーで Box Prompting を有効にします。

Box Prompting は、類似したオブジェクトの注釈を生成するために、1つ以上のプロンプト用バウンディングボックスを使用します。各例がモデルを微調整し、画像ごとに改善されます。Box Prompting を使えば、データセット内で複数回登場するオブジェクトの周囲にバウンディングボックスを手動で描く時間を何時間も節約できます。

ステップ 1: 各クラスにつき少なくとも1つの例を注釈する

Box Prompting では、予測を生成するための例として、少なくとも1つのバウンディングボックス注釈を作成する必要があります。

ステップ 2: Box Prompting ツールを有効にする

魔法のような動きを見るには、Box Prompting ツールが有効になっていることを確認してください！Box Prompting は、あなたの注釈をもとに予測を生成します。注釈を保存または削除するたびに、予測は点線で表示されます。

予測は注釈ではないため、画像から移動すると保存されません。予測を保存する方法はステップ 4 を参照してください。

ステップ 3: 予測を微調整する

ここから、次のことができます:

confidence を調整する

スライダーを使って信頼度しきい値を調整し、表示される予測数を調節します。信頼度が高いほど、予測数は少なくなります。

信頼度しきい値を変更して、表示される予測数を調整します。

ネガティブ例を提供する

誤った予測がある場合は、ボックスを右クリックして「Convert to Negative」を選択できます。これにより、将来この種類のオブジェクトにラベルを付けないようモデルに学習させます。ネガティブ例は網掛けで表示されます。

同じ右クリックメニューから、既存の注釈をネガティブに変換することもできます。

誤った予測を右クリックして Convert to Negative ネガティブプロンプトを提供します。

追加の例を追加する

他のラベルで作成した追加の注釈は、画像内の異なるオブジェクトをモデルが区別するのに役立ちます。さらに例を追加したら、「Predict」をクリックして新しい予測を生成できます。

最良の結果を得るには、画像内の各固有オブジェクトについて1〜2件の例を用意してください。

信頼度を高く設定するよりも、信頼度を下げて余分な予測をネガティブに変換する方が、予測を微調整しやすい場合があります。

ステップ 4: 予測を承認する

予測が満足のいくものになったら、「Approve Predictions」をクリックします。これにより、すべての予測が注釈に変換され、画像から離れても保存されるようになります。

ここからは、通常どおり注釈を編集・削除できます。

予測を承認して、画像に保存します。

ステップ 5: さらに多くの画像で実行する

注釈を付けるたびに、画像がトレーニングセットに追加されます。

画像に注釈を付けると、Box Prompting は人手で描画または編集された注釈のある画像を使って学習されます。（編集せずに承認された予測は含まれません。）

つまり、新しい画像では1つもボックスを描かずに「Predict」をクリックするだけで、予測を生成できます！トレーニングセットに含まれる画像数はツールメニューで確認できます。

ベストプラクティス

見た目が明確に異なる各オブジェクトごとに例を用意してください。

見た目が似ている複数のオブジェクトが含まれる画像では、重要な色・サイズ・カメラアングルの違いごとに少なくとも1つの例を用意すると役立ちます。

似た画像は同じ注釈セッションで注釈を付けてください。

画像の内容が似ている場合、Box Prompting は最も効果を発揮し、学習例をすばやく再利用しながら予測を生成できます。

誤差の蓄積を防ぐために、バウンディングボックスをぴったり合わせてください。

予測されたバウンディングボックスは実際より大きいことがよくあります。サイズを小さくして、背景の一部を誤って含めないようにしてください。

Box Prompting は写真や静止画で最も効果的です。

文書やコンピュータグラフィックスにも予測を提供できますが、Box Prompting は写真内の繰り返し出現する項目の識別に最も適しています。

精度向上のためにネガティブ例を提供します。

特定の注釈クラスで偽陽性予測が出ることに気づいたら、右クリックして「Convert to Negative」を選択し、Box Prompting モデルにネガティブ例を提供できます。

制限事項

Box Prompting モデルは推論時に画像を縮小する必要があります。そのため、大きな画像で小さな項目を検出しようとすると、満足のいかない結果になる場合があります。

縦横いずれかが1000px以下の画像で最適な結果が得られます。また、画像が2000px以上で、幅/高さの約5%未満の小さなバウンディングボックスがある場合は、うまく機能しないという警告が表示されます

これらの制限は Box Prompting にのみ適用されます。モデルのトレーニング時には、Tiling を 前処理ステップとして バージョン生成中に適用して、学習済みモデルでこれらの影響を防ぐことができます。