# Auto Label

{% hint style="info" %}
Auto Label은 많은 기능 중 하나입니다 [AI Labeling](https://docs.roboflow.com/roboflow/roboflow-ko/annotate/ai-labeling) 기능입니다. 이 기능을 사용하면 [크레딧이](https://docs.roboflow.com/roboflow/roboflow-ko/billing/credits) 우리의 [credits 페이지](https://roboflow.com/credits).
{% endhint %}

Roboflow Auto Label을 사용하면 대규모 foundation vision model(예: Grounding DINO)이나 Roboflow에서 학습된 모델을 사용해 이미지를 자동으로 라벨링할 수 있습니다.

Roboflow Auto Label은 다음 모델들을 사용해 지정한 객체를 식별하려고 시도합니다:

* Grounding DINO (객체 탐지)
* Grounded SAM (세그멘테이션)
* CLIP (단일 및 다중 라벨 분류)
* Roboflow에서 학습된 모델([train](https://docs.roboflow.com/roboflow/roboflow-ko/train/train "mention"))
  * 참고: 현재는 Annotation Batch와 동일한 데이터셋의 모델만 지원됩니다.

Auto Label은 다음 기술로 구동됩니다 [Autodistill](https://github.com/autodistill/autodistill), Roboflow가 개발한 이미지 데이터셋 자동 라벨링용 오픈 소스 프레임워크입니다.

Auto Label은 컴퓨터 비전 모델 학습에 사용할 수 있도록 수백만 장의 이미지에 라벨을 지정하는 데 사용되어 왔습니다.

### Roboflow Auto Label을 사용해야 할 때

차량(예: 지게차), 사람, 일반적인 결함(예: 균열), 일반적인 제품(예: 레코드판, 빵) 같은 흔한 객체에 주석을 달아야 한다면 Roboflow Auto Label을 사용해야 합니다.

객체의 특정 변형을 식별해야 한다면 Autodistill에서 foundation model을 사용해서는 안 됩니다. 예를 들어, Autodistill은 서로 다른 유형의 균열을 구분하거나 전자제품의 고유한 결함을 식별할 수 없습니다.

## Roboflow Auto Label로 데이터 라벨링하기

Roboflow 플랫폼에서는 Autodistill이 데이터셋의 데이터 클래스 라벨링에서 어떻게 동작할지 미리 확인할 수 있습니다. 그런 다음 Roboflow가 자체 하드웨어에서 이미지를 자동 라벨링하는 데 사용할 수 있는 코드 스니펫을 제공합니다. 라벨링한 데이터셋을 Roboflow로 다시 업로드하여 품질 보증(권장) 및 모델 학습에 사용할 수 있습니다.

### 1단계: 데이터 업로드

먼저 Roboflow에 데이터를 업로드하세요. 자세한 내용은 [adding-data](https://docs.roboflow.com/roboflow/roboflow-ko/datasets/adding-data "mention") 안내를 참조하세요.

<figure><img src="https://3958014485-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F-M6S9nPJhEX9FYH6clfW%2Fuploads%2Fgit-blob-fe3c09375969482e7a921eedaf3d020b21ca43b8%2FScreenshot%202024-03-26%20at%2008.59.56.png?alt=media" alt=""><figcaption><p>Roboflow에 이미지를 업로드하는 중입니다.</p></figcaption></figure>

### 2단계: Auto Label 입력

모든 이미지를 업로드하면 이미지를 어떻게 라벨링할지 묻게 됩니다. "Auto Label"을 선택하세요.

<figure><img src="https://3958014485-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F-M6S9nPJhEX9FYH6clfW%2Fuploads%2Fgit-blob-950d476161ba6ec84080f5e3baeef2181f55ad31%2FScreenshot%202024-03-26%20at%2009.00.42.png?alt=media" alt="" width="353"><figcaption><p>"Auto Label"을 선택하여 Roboflow Auto Label 인터페이스를 엽니다.</p></figcaption></figure>

### 3단계: Auto Label 구성

Auto Label 라벨링 인터페이스가 나타나며, 여기서 자동 라벨링 작업을 구성할 수 있습니다.

#### 클래스(& 설명)

클래스는 이미지의 객체에 할당할 라벨을 나타냅니다. 설명은 선택한 foundation model(기본값: Grounding DINO)이 해당 클래스의 인스턴스를 식별하는 데 사용할 클래스의 시각적 설명을 나타냅니다. 기본적으로 설명은 클래스 이름이 됩니다.

Auto Label은 시각적으로 명확한 설명이 있는 일반적인 객체를 라벨링할 때 가장 잘 작동합니다. 예를 들어, Auto Label은 생산 라인에서 알루미늄 캔의 위치를 식별할 수 있습니다. 하지만 알루미늄 캔의 브랜드를 구분하는 것처럼 특정 요구 사항에 따라 이미지를 라벨링하는 것은 불가능합니다.

#### 테스트 결과 생성

Auto Label 구성을 마쳤으면 "Generate Test Results"를 클릭하여 데이터셋의 일부 소수 이미지를 대상으로 클래스 테스트를 진행하세요. 기본적으로 4개의 이미지가 선택됩니다.

<figure><img src="https://3958014485-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F-M6S9nPJhEX9FYH6clfW%2Fuploads%2Fgit-blob-f67fac5e50f37beb91c4defd53c49db449550de2%2FScreenshot%202024-03-26%20at%2009.02.20.png?alt=media" alt=""><figcaption><p>Auto Label 인터페이스.</p></figcaption></figure>

### 4단계: Roboflow Auto Label 라벨 평가

예시 이미지에서 클래스 "aluminum can"을 사용할 때의 테스트 결과는 다음과 같습니다. 여기서 할 수 있는 작업은 다음과 같습니다:

<figure><img src="https://3958014485-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F-M6S9nPJhEX9FYH6clfW%2Fuploads%2Fgit-blob-763dd88db20f8172858d8f9e57401986d1977def%2FScreenshot%202024-03-22%20at%2011.33.02.png?alt=media" alt=""><figcaption><p>알루미늄 캔을 주석 처리하는 Auto Label.</p></figcaption></figure>

#### 클래스 및 설명 조정

Auto Label이 예상대로 이미지를 라벨링하지 않는다면, 클래스에 대해 다른 설명을 테스트해 보세요.

{% hint style="info" %}
모든 테스트 결과는 무료이며 크레딧을 사용하지 않습니다.
{% endhint %}

#### 신뢰도 조정

각 클래스 오른쪽의 숫자는 (이 클래스의 표시된 박스 수) / (이 클래스의 전체 박스 수)로 표시됩니다. 더 많거나 적은 박스를 필터링하도록 각 클래스의 신뢰도 임계값을 조정할 수 있습니다. 신뢰도가 높을수록 표시되는 박스 수는 줄어듭니다.

{% hint style="info" %}
여기서 설정한 신뢰도 임계값은 전체 배치를 라벨링할 때도 동일하게 사용되므로, 올바르게 설정되었는지 확인하세요!
{% endhint %}

#### 다른 이미지에서 테스트하기

배치의 다른 이미지에서 Auto Label 성능을 검토하려면 왼쪽 아래의 "Test images" 섹션에서 이미지를 클릭하세요. 추가 버튼을 누르지 않아도 해당 이미지의 미리보기가 즉시 로드됩니다.

### 배치에 Auto Label 실행하기

Auto Label이 이미지를 기대한 대로 라벨링한다면 "Auto Label with This Model"을 클릭하세요. 요약 모달을 검토한 후 계속 진행을 클릭하세요. 천 장의 이미지를 라벨링하는 데는 몇 분 정도 걸립니다.

Auto Label은 백그라운드에서 실행되므로, 결과를 검토할 시간이 될 때까지 편하게 기다리면 됩니다.