박스 프롬프트(Box Prompting)

예제가 늘어날수록 성능이 향상되는 AI 라벨링 도구로 이미지를 주석 처리하세요.

Box Prompting은 여러 기능 중 하나입니다 AI Labeling 기능입니다. 이 기능을 사용하면 크레딧 당사에 기재된 요율로 소모됩니다 크레딧 페이지.

주석 도구 모음에서 Box Prompting을 활성화하세요.

Box Prompting은 하나(또는 여러 개)의 프롬프트 경계 상자(bounding box)를 사용하여 유사한 객체에 대한 주석을 생성합니다. 각 예시는 모델을 미세조정하며 이미지가 늘어날수록 성능이 향상됩니다. Box Prompting을 사용하면 데이터셋에 여러 번 나타나는 객체 주위에 바운딩 박스를 수동으로 그리는 데 드는 수시간을 절약할 수 있습니다.

1단계: 각 클래스의 예시를 최소 하나 이상 주석하세요

Box Prompting은 예측 생성을 위한 예시로 제공할 하나 이상의 바운딩 박스 주석을 생성해야 합니다.

2단계: Box Prompting 도구 활성화

Box Prompting 도구가 활성화되어 있는지 확인하여 마법을 확인하세요! Box Prompting은 당신의 주석을 기반으로 예측을 생성합니다. 예측은 주석을 저장하거나 삭제할 때마다 점선으로 표시됩니다.

예측은 주석이 아니며 이미지에서 벗어나면 저장되지 않습니다. 예측을 저장하는 방법은 4단계를 참조하세요.

3단계: 예측을 미세조정하세요

여기서 당신은 다음을 할 수 있습니다:

신뢰도(Confidence) 조정

슬라이더로 신뢰도 임계값을 조정하여 표시되는 예측 수를 조절하세요. 신뢰도가 높을수록 예측 수는 적어집니다.

신뢰도 임계값을 변경하여 표시되는 예측 수를 조절하세요.

부정(negative) 예시 제공

잘못된 예측이 발생하면 박스를 오른쪽 클릭하여 "Convert to Negative"를 선택할 수 있습니다. 이렇게 하면 모델이 향후 이 유형의 객체에 라벨을 붙이지 않도록 학습됩니다. 부정 예시는 음영으로 표시됩니다.

기존 주석도 동일한 오른쪽 클릭 메뉴를 통해 부정으로 전환할 수 있습니다.

잘못된 예측을 오른쪽 클릭하고 Convert to Negative 를 선택하여 부정 프롬프트를 제공하세요.

추가 예시 추가

다른 레이블로 생성하는 추가 주석은 모델이 이미지 내의 서로 다른 객체를 구분하는 데 도움이 됩니다. 더 많은 예시를 추가한 후 "Predict"를 클릭하여 새 예측을 생성할 수 있습니다.

최적의 결과를 위해 이미지에 있는 고유한 각 객체당 1-2개의 예시를 제공하세요.

신뢰도를 높게 설정하는 대신 신뢰도를 낮추고 초과 예측을 부정으로 전환하는 방식으로 예측을 미세조정하는 것이 더 쉬울 수 있습니다.

4단계: 예측 승인

예측이 만족스러우면 "Approve Predictions"를 클릭하세요. 이렇게 하면 모든 예측이 주석으로 변환되어 이미지를 벗어나도 저장됩니다.

여기서부터는 주석을 평소처럼 편집하거나 삭제할 수 있습니다.

예측을 승인하여 이미지를 저장하세요.

5단계: 더 많은 이미지에 적용하기

주석을 달면 이미지가 학습 세트에 추가됩니다.

이미지에 주석을 달면 Box Prompting은 사람이 그리거나 사람이 편집한 주석이 있는 이미지를 학습합니다. (수정 없이 승인된 예측은 포함되지 않습니다.)

즉, 새 이미지에서 하나의 박스도 그리지 않고도 "Predict"를 클릭하여 예측을 생성할 수 있습니다! 도구 메뉴에서 학습 세트에 포함된 이미지 수를 확인할 수 있습니다.

모범 사례

시각적으로 구분되는 각 객체에 대한 예시를 제공하세요.

비슷한 외형의 객체가 여러 개 있는 이미지에서는 각 주요 색상, 크기 또는 카메라 각도 변화마다 최소 하나의 예시를 제공하는 것이 도움이 될 수 있습니다.

유사한 이미지는 동일한 주석 세션에서 주석 처리하세요.

Box Prompting은 이미지 내용이 유사할 때 가장 잘 작동하며, 예측을 생성할 때 학습 예시를 빠르게 재사용할 수 있습니다.

오차 누적을 피하려면 바운딩 박스를 타이트하게 그리세요.

예측된 바운딩 박스가 종종 너무 클 수 있으므로 배경 일부를 잘못 포함하지 않도록 크기를 줄이세요.

Box Prompting은 사진이나 정지 프레임에서 가장 잘 작동합니다.

문서나 컴퓨터 그래픽에 대해서도 예측을 제공할 수는 있지만, Box Prompting은 사진에서 반복되는 항목을 식별하는 데 가장 적합합니다.

정확도를 높이려면 부정 예시를 제공하세요.

특정 주석 클래스가 false positive 예측을 많이 생성하는 것을 발견하면 오른쪽 클릭하여 "Convert to Negative"를 선택해 Box Prompting 모델에 부정 예시를 제공할 수 있습니다.

제한 사항

Box Prompting 모델은 추론 시 이미지를 축소해야 합니다. 따라서 큰 이미지에서 작은 항목을 탐지하려 할 때 만족스럽지 못한 결과가 나올 수 있습니다.

최적의 결과는 가로 또는 세로 중 어느 한 쪽이 1000px 이하인 이미지에서 얻을 수 있으며, 이미지가 2000px 이상이고 작은 바운딩 박스(가로/세로의 약 5% 미만)를 포함하는 경우 잘 작동하지 않는다는 경고가 표시됩니다.

이러한 제한 사항은 Box Prompting에만 적용됩니다. 모델 훈련 시에는 버전 생성 중에 Tiling을 preprocessing step 으로 적용하여 학습된 모델에 이러한 영향을 방지할 수 있습니다.