박스 프롬프트

예제가 늘어날수록 성능이 향상되는 AI 라벨링 도구로 이미지를 주석하세요.

Box Prompting은 여러 기능 중 하나입니다 AI Labeling 기능입니다. 이 기능을 사용하면 다음의 요율에 따라 크레딧 이 소모됩니다: 크레딧 페이지.

주석 도구 모음에서 Box Prompting을 활성화하세요.

Box Prompting은 하나 이상의 프롬프트 경계 상자를 사용하여 유사한 객체에 대한 주석을 생성합니다. 각 예시는 모델을 미세조정하며 이미지가 늘어날수록 성능이 향상됩니다. Box Prompting을 사용하면 데이터셋에 여러 번 나타나는 객체 주위를 수동으로 바운딩 박스를 그리는 데 소요되는 시간을 수시간 단축할 수 있습니다.

1단계: 각 클래스의 예시를 최소 하나 이상 주석화하세요

Box prompting은 예시로 사용할 최소 한 개의 바운딩 박스 주석을 생성해야 합니다.

2단계: Box Prompting 도구를 활성화하세요

Box Prompting 도구가 활성화되어 있는지 확인하여 기능이 동작하는 것을 보세요! Box Prompting은 귀하의 주석을 기반으로 예측을 생성합니다. 예측은 주석을 저장하거나 삭제할 때 점선으로 표시됩니다.

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

3단계: 예측을 미세조정하세요

여기에서 할 수 있는 작업:

신뢰도 조정하기

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

신뢰도 임계값을 변경하여 표시되는 예측 수를 조절하세요.

부정(negative) 예시 제공

잘못된 예측이 발생하면 박스를 오른쪽 클릭하고 "Convert to Negative"를 선택할 수 있습니다. 이렇게 하면 모델에 향후 이 유형의 객체를 라벨하지 않도록 가르칩니다. 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 생성한 추가 주석은 모델이 이미지 내의 서로 다른 객체를 구분하는 데 도움이 됩니다. 예시를 더 추가한 후에는 "Predict"를 클릭하여 새 예측을 생성할 수 있습니다.

최고의 결과를 위해 이미지에 있는 각 고유한 객체마다 1~2개의 예시를 제공하세요.

신뢰도를 높게 설정하기보다는 신뢰도를 낮추고 초과 예측을 부정으로 전환하여 예측을 미세조정하는 것이 더 쉬울 수 있습니다.

4단계: 예측 승인

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

이후에는 주석을 평소처럼 편집 및 삭제할 수 있습니다.

예측을 승인하여 이미지를 저장하세요.

5단계: 더 많은 이미지에 적용

주석을 추가하면 이미지가 학습 세트에 추가됩니다.

이미지에 주석을 달면 Box Prompting은 사람이 그리거나 편집한 주석이 있는 모든 이미지에서 학습됩니다. (수정 없이 승인된 예측은 포함되지 않습니다.)

즉, 새 이미지에서 단 한 개의 박스도 그리지 않고 "Predict"를 클릭해도 예측을 생성할 수 있습니다! 도구 메뉴에서 학습 세트에 포함된 이미지 수를 확인할 수 있습니다.

모범 사례

시각적으로 구분되는 각 객체에 대한 예시를 제공하세요.

외형이 유사한 여러 객체가 있는 이미지에서는 색상, 크기 또는 카메라 각도의 유의미한 변형마다 적어도 하나의 예시를 제공하는 것이 도움이 될 수 있습니다.

유사한 이미지는 같은 주석 세션에서 주석 처리하세요.

Box prompting은 이미지 내용이 유사할 때 가장 잘 작동하며, 그러면 학습 예시를 빠르게 재사용하여 예측을 생성할 수 있습니다.

오차 누적을 피하려면 바운딩 박스를 타이트하게 만드세요.

예측된 바운딩 박스가 종종 실제보다 크게 나타납니다 — 배경의 일부가 잘못 포함되지 않도록 크기를 줄이세요.

Box Prompting은 사진이나 정지 프레임에서 가장 잘 동작합니다.

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

정확도를 높이려면 부정 예시를 제공하세요.

특정 주석 클래스가 오탐지를 많이 일으키는 경우, 해당 박스를 오른쪽 클릭하고 "Convert to Negative"를 선택하여 Box Prompting 모델에 부정 예시를 제공할 수 있습니다.

제한 사항

Box Prompting 모델은 추론 시 이미지를 축소해야 합니다. 따라서 큰 이미지에서 작은 항목을 감지하려고 하면 만족스러운 결과를 얻지 못할 수 있습니다.

한 차원이라도 1000px 이하인 이미지에서 최적의 결과를 얻을 수 있으며, 이미지가 2000px 이상이고 작은 바운딩 박스(너비/높이의 약 5% 미만)를 포함하는 경우 잘 작동하지 않을 것이라는 경고가 표시됩니다.

이러한 제한은 Box Prompting에만 적용됩니다. 모델을 훈련할 때는 Tiling을 전처리 단계 로 버전 생성 중에 적용하여 훈련된 모델에서 이러한 영향을 방지할 수 있습니다.