13.7.3. 画像のラベル付け

オブジェクト検出器は、ラベル付けされた例から学習します。各学習画像には、すべての対象オブジェクトの周りにボックスが必要で、それぞれにクラスのタグが付けられます。何百ものフレームを手作業でラベル付けするのは遅いため、Roboflowはこれを自動化します。

13.7.3.1. Auto Label

Annotate ページでは、Auto Label がテキストプロンプトで駆動される基盤モデルを動かします。各クラスを言葉で記述すると、バッチ全体にわたってそれらのオブジェクトを見つけてボックスで囲みます。検出したいものごとにクラスを追加し（stuffed raccoon toy、そしてモデルに無視すべきものを教えるための person）、いくつかのテスト画像で結果をプレビューし、ボックスがあるべき場所に収まるまで各クラスの信頼度しきい値を調整します。

Auto Labelはテキストプロンプトからクラスを見つけてバッチにラベルを付けます。すべての画像で実行する前に、プレビューしてしきい値を調整してください。

バッチで実行したら、レビューします。ラベル付けされた画像をざっと確認し、モデルが間違えた数少ないものを修正し、でっち上げたボックスを削除します。Auto Labelが大半の作業を行い、レビューのパスがその間違いを捕捉します。

13.7.3.2. データセットへの追加

ラベル付けされた画像は、train / valid / test の分割でデータセットに移されます。この分割はモデルの精度を測定する方法です。学習用画像で学習し、検証セットに対して調整し、学習中に一度も見なかったテスト画像でスコア付けされます。デフォルトの分割で動作します。それを受け入れれば、データセットは学習の準備が整います。