自動ラベル

モデルのトレーニング用に画像を自動ラベリングします。

Auto Labelは多くの中の一つです AIラベリング 機能です。この機能を使用すると クレジット が、当社の クレジットページ.

Roboflow Auto Labelを使うと、大規模な基盤ビジョンモデル(例:Grounding DINO)やRoboflowでトレーニングされたモデルを利用して、画像に自動でラベルを付けることができます。

Roboflow Auto Labelは、指定したオブジェクトを識別するために以下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(単一および複数ラベル分類)

  • Roboflowでトレーニングされたモデル(モデルをトレーニングする)

    • 注意:現在、アノテーションバッチと同じデータセットからのモデルのみがサポートされています。

Auto Labelは以下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用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トレーニングに使用するために、何百万もの画像にラベルを付けるために使用されています。

Roboflow Auto Labelを使うべき場合

車両(例:フォークリフト)、人、一般的な欠陥(例:ひび割れ)、一般的な製品(例:レコード、パン)などの一般的なオブジェクトにアノテーションを付ける必要がある場合は、Roboflow Auto Labelを使用すべきです。

Autodistillで基盤モデルを使うべきでないのは、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です。例えば、Autodistillは異なる種類のひび割れを区別したり、電子機器のユニークな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に自動ラベルを付けるための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)やモデルのトレーニングに利用できます。

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。詳しくは 画像、動画、アノテーションのアップロード 手順をご覧ください。

Roboflowに画像をアップロードしています。

ステップ2:Auto Labelに入る

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

「Auto Label」を選択してRoboflow Auto Labelインターフェースを開きます。

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、自動ラベリングジョブを設定できます。

クラス(および説明)

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う視覚的な説明です。デフォルトでは、説明はクラス名になります。

Auto Labelは、明確な視覚的説明がある一般的なオブジェクトのラベリングで最も効果を発揮します。例えば、Auto Labelは生産ライン上のアルミ缶の位置を特定できますが、アルミ缶のブランドを区別するなど特定の要件に従っ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

例として「aluminum can」クラスを使った画像のテスト結果です。ここから以下のことができます:

Auto Labelがアルミ缶にアノテーションを付けています。

クラスと説明を調整する

Auto Labelが期待通りに画像にラベルを付けない場合は、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、クレジットも消費しません。

信頼度を調整する

各クラスの右側の数字は(表示されているこのクラスのボックス数)/(このクラスの全ボックス数)を表します。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を付ける際にも使用されるので、正しいかどうか確認してください!

異なる画像でテストする

バッチ内の異なる画像で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てください。その画像のプレビューは追加のボタンを押さずにすぐに読み込まれるはずです。

バッチでAuto Labelを実行する

Auto Labelが期待通りに画像にラベルを付けた場合は、「Auto Label with This Model」をクリックしてください。サマリーモーダルを確認し、続行をクリックします。千枚の画像のラベル付けには数分かかるはずです。

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

Last updated

Was this helpful?