13.7.3. 이미지에 레이블 달기

객체 검출기는 레이블이 달린 예제로부터 학습합니다. 각 학습 이미지에는 모든 대상 객체 주위에 박스가 있어야 하고, 그 박스에 클래스 태그가 붙어 있어야 합니다. 수백 개의 프레임에 손으로 레이블을 다는 것은 느리기 때문에, Roboflow는 이를 자동화합니다.

13.7.3.1. Auto Label

Annotate 페이지에서 Auto Label 은 텍스트 프롬프트 기반 파운데이션 모델을 구동합니다. 각 클래스를 말로 설명하면, 모델이 전체 배치에 걸쳐 해당 객체를 찾아 박스를 칩니다. 검출하고 싶은 것마다 클래스를 추가하고 – stuffed raccoon toy, 그리고 모델에게 무엇을 무시할지 가르치기 위해 person – 몇 개의 테스트 이미지에서 결과를 미리 보고, 박스가 제자리에 놓일 때까지 각 클래스의 신뢰도 임계값을 조정하십시오.

Auto Label은 텍스트 프롬프트로부터 클래스를 찾아 배치에 레이블을 답니다 – 모든 이미지에 실행하기 전에 미리 보고 임계값을 조정하십시오.

배치에 실행한 다음 검토하십시오. 레이블이 달린 이미지를 살펴보고, 모델이 잘못 처리한 몇 개를 수정하고, 모델이 만들어낸 잘못된 박스를 삭제하십시오. Auto Label이 대부분의 작업을 처리하고, 검토 과정에서 그 실수를 잡아냅니다.

13.7.3.2. 데이터셋에 추가하기

레이블이 달린 이미지는 train / valid / test 분할과 함께 데이터셋으로 이동합니다. 이 분할은 모델의 정확도를 측정하는 방식입니다. 모델은 학습 이미지로 학습하고, 검증 세트에 대해 튜닝하며, 학습 중에 한 번도 본 적 없는 테스트 이미지로 채점됩니다. 기본 분할이면 충분합니다 – 그대로 받아들이면 데이터셋은 학습할 준비가 됩니다.