自動ラベル（Auto Label）

トレーニングに使用するための画像を自動でラベル付けします。

Auto Labelは多くの AI Labeling 機能の1つです。この機能を使用すると クレジット が消費されます。料金は当社の credits page.

Roboflow Auto Labelを使用すると、大規模なファンデーションビジョンモデル（例：Grounding DINO）やRoboflowで訓練されたモデルを使用し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（オブジェクト検出）

• Grounded SAM（セグメンテーション）

• CLIP（単一・マルチラベル分類）

• Roboflowで訓練されたモデル（モデルをトレーニングする)

  • 注：現在サポートされているのは、Annotation Batchと同じデータセットからのモデルのみです。

Auto Labelは次により提供されています： Autodistill、Roboflowが開発した画像データセットの自動ラベル付け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をいつ使うべきか

フォークリフトなどの車両、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のファンデーションモデルを使用すべきではありません。例えば、Autodistillは異なる種類のひび割れを区別したり、電子機器の固有の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ル付けをどのように行うかをプレビューできます。その後、画像を自身のハードウェアで自動ラベル付けするためのコードスニペットが共有されます。ラベル付けしたデータセットは品質保証（推奨）と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。詳細は当社の 画像、ビデオ、アノテーションをアップロードする instructions for more information.

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したら、どのように画像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」を選択してRoboflow Auto Labelのインターフェースを開きます。

ステップ #3: Auto Labelの設定

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、選択したファンデーションモデル（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な説明を表します。デフォルトでは、説明はクラス名になります。

Auto Labelは、視覚的な説明が明確な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。例えば、Auto Labelは製造ライン上のアルミ缶の位置を識別できます。しかし、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（例：アルミ缶のブランドを判別すること）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のインターフェース。

ステップ #4: Roboflow Auto Labelのラベルを評価する

例の画像で「aluminum can」クラスを使用したときのテスト結果は次のとおりです。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が期待どおりに画像にラベルを付けない場合は、クラスの説明を変更し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ている数値は（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）として表されます。各クラスの信頼度閾値を調整して、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閾値は、バッチ全体をラベル付けする際にも同じものが使用されるので、適切に見えることを確認してください！

異なる画像でテストする

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なくてもすぐに読み込まれます。

バッチで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枚の画像をラベル付けするのに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、結果を確認する時間になるまでリラックスしてお待ちください。