Box Prompting
例ごとに改善される AI ラベリングツールで画像をアノテートします。
Box Prompting は、1つ以上のプロンプト境界ボックスを用いて類似オブジェクトの注釈を生成します。各例はモデルを微調整し、画像ごとに改善されます。Box Prompting を使うと、データセット内で複数回出現するオブジェクトの周りに手動でバウンディングボックスを描画する何時間もの作業を節約できます。
ステップ 1: 各クラスの少なくとも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
Box Prompting ツールが有効になっていることを確認して、魔法のような動作を見てください！Box Prompting はあなたの注釈に基づいて予測を生成します。予測は注釈を保存または削除するたびに点線で表示されます。
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:
信頼度を調整する
スライダーで信頼度の閾値を調整して表示される予測の数を変えます。信頼度が高いほど予測は少なくなります。
ネガティブ例を提供する
誤った予測が発生した場合は、ボックスを右クリックして「Convert to Negative」を選択できます。これによりモデルは将来このタイプのオブジェクトにラベルを付けないように学習します。ネガティブ例は塗りつぶしで表示されます。
既存の注釈も同じ右クリックメニューからネガティブに変換できます。
追加の例を追加する
他のラベルで作成する追加の注釈は、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後で「Predict」をクリックすると新しい予測が生成されます。
最良の結果を得るには、画像内の各視覚的に異なるオブジェクトにつき1〜2の例を提供してください。
ステップ 4: 予測を承認する
予測が望ましい状態になったら「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、画像から移動した場合でも保存されるようになります。
ここからは、通常通り注釈を編集・削除できます。
ステップ 5: より多くの画像で実行する
注釈を行うと、画像は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 は人が描いたまたは人が編集した注釈がある画像で訓練されます。（編集なしで承認された予測は含まれません。）
つまり、新しい画像で一切ボックスを描かなくても「Predict」をクリックして予測を生成できます！ツールメニューでトレーニングセットに含まれる画像の数を確認できます。
ベストプラクティス
視覚的に区別される各オブジェクトの例を提供してください。
外観が似た複数のオブジェクトを含む画像では、各主要な色、サイズ、カメラ角度の変化について少なくとも1つの例を提供すると役立ちます。
類似した画像は同じ注釈セッションで注釈を行ってください。
Box prompting は画像の内容が類似しているときに最も効果を発揮し、トレーニング例を素早く再利用して予測を生成できます。
誤差の蓄積を避けるためにバウンディングボックスを厳密にする。
多くの場合、予測されたバウンディングボックスは本来より大きくなるため、誤って背景の一部を含めないようサイズを小さくしてください。
Box Prompting は写真や静止フレームで最も効果的です。
ドキュメントやコンピュータグラフィックスに対して予測を提供することはできますが、Box Prompting は写真内の反復項目の識別で最も効果的です。
精度向上のためにネガティブ例を提供してください。
特定の注釈クラスが偽陽性の予測を出すことに気付いた場合は、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、大きな画像上の小さなアイテムを検出しようとすると満足のいく結果が得られない場合があります。
最適な結果はどちらかの次元が1000px以下の画像で得られ、画像が2000px以上でかつ小さなバウンディングボックス（幅/高さの約5%未満）の場合はうまく機能しない旨の警告が表示されます。
Last updated
Was this helpful?