コンピュータビジョンのためのデータ収集およびアノテーション戦略#

データ収集とアノテーションは、すべてのコンピュータビジョンプロジェクトの2つの基礎的なステップです。代表的な画像や動画を集め、モデルがそこから学習できるようにラベル付けを行います。このデータの品質がモデルのパフォーマンスを直接左右するため、トレーニングを開始する前には、クラスの定義、偏りのないデータ収集、一貫性のあるアノテーションが重要になります。

このガイドでは、クラスの設定とデータの収集、データアノテーションとは何か（選択すべきアノテーションの種類や形式を含む）、および効率的なラベリング戦略について解説します。すべての決定事項はプロジェクトの目標に沿ったものになります。

クラスの設定とデータの収集#

コンピュータビジョンプロジェクト用の画像や動画の収集は、定義するクラスの数、データの調達先、そしてデータセットのバイアスを排除する方法という3つの決定事項に集約されます。

プロジェクトに適したクラスの選択#

コンピュータビジョンプロジェクトを開始する際、最初に問われることの一つが、いくつのクラスを含めるかです。モデルに何を認識させ、区別させたいかというカテゴリーやラベルである、クラス構成を決定しなければなりません。クラス数は、プロジェクトの具体的な目標に基づいて決定されるべきです。

例えば、交通量を監視したい場合、クラスには「車」、「トラック」、「バス」、「オートバイ」、「自転車」などが考えられます。一方、店舗内の商品を追跡する場合、クラスは「果物」、「野菜」、「飲料」、「スナック」などになるでしょう。プロジェクトの目標に基づいてクラスを定義することで、データセットを関連性が高く、焦点を絞ったものに保つことができます。

クラスを定義する際、もう一つ重要な区別は、クラス数を粗く（Coarse）するか細かく（Fine）するかを選択することです。「数（Count）」とは、対象とする異なるクラスの数を指します。この決定が、データの粒度とモデルの複雑さに影響します。各アプローチの検討事項は以下の通りです。

• 粗いクラス数（Coarse Class-Count）: 「車両」や「非車両」のように、より広範で包括的なカテゴリーです。アノテーションが簡略化され、必要な計算リソースも少なくて済みますが、詳細な情報が得られないため、複雑なシナリオではモデルの有効性が制限される可能性があります。
• 細かいクラス数（Fine Class-Count）: 「セダン」、「SUV」、「ピックアップトラック」、「オートバイ」のように、より細かい区別を持つカテゴリーです。詳細な情報を捕捉できるため、モデルの精度とパフォーマンスが向上します。ただし、アノテーションにはより多くの時間と労力を要し、より多くの計算リソースが必要になります。

特に詳細が重要な複雑なプロジェクトでは、より具体的なクラスから始めることが非常に役立ちます。より具体的なクラスによって、詳細なデータを収集し、より深い洞察を得て、カテゴリー間の明確な区別を確立できます。これはモデルの精度を向上させるだけでなく、必要に応じて後からモデルを調整しやすくし、時間とリソースの両方を節約することにもつながります。

データのソース#

公開されているデータセットを使用するか、独自のカスタムデータを収集することができます。KaggleやGoogle Dataset Search Engineなどの公開データセットは、適切にアノテーションされた標準化されたデータを提供しており、モデルのトレーニングや検証を開始するのに最適な出発点となります。

一方、カスタムデータの収集では、特定のニーズに合わせてデータセットをカスタマイズできます。カメラやドローンで画像や動画を撮影したり、ウェブから画像をスクレイピングしたり、組織内の既存データを使用したりすることも可能です。カスタムデータは、品質と関連性においてより大きな制御を可能にします。公開データとカスタムデータの両方のソースを組み合わせることで、多様で包括的なデータセットを作成できます。

データ収集におけるバイアスの回避#

バイアス（偏り）は、特定のグループやシナリオがデータセット内で過小評価または過大評価されている場合に発生します。これにより、一部のデータではうまく機能するものの、他のデータではパフォーマンスが低下するモデルが生まれてしまいます。コンピュータビジョンモデルがさまざまなシナリオで良好に機能するように、AIのバイアスを回避することが極めて重要です。

データ収集中にバイアスを回避する方法は以下の通りです。

• 多様なソース: さまざまな視点やシナリオを捉えるために、多くのソースからデータを収集してください。
• バランスの取れた表現: すべての関連グループからのバランスの取れた表現を含めてください。例えば、年齢、性別、民族性などの違いを考慮します。
• 継続的なモニタリング: データセットを定期的に見直し更新することで、新たに発生するバイアスを特定して対処してください。
• バイアス軽減技術: 過小評価されているクラスのオーバーサンプリング、データ拡張、および公平性を考慮したアルゴリズムなどの手法を使用します。

これらの実践に従うことで、実世界のアプリケーションにおいて汎用性が高く、より堅牢で公平なモデルを作成する助けとなります。

データアノテーションとは？#

データアノテーションは、機械学習モデルのトレーニングに使用できるようにデータにラベルを付けるプロセスです。コンピュータビジョンにおいて、これはモデルが学習するために必要な情報を使って画像や動画にラベルを付けることを意味します。適切にアノテーションされたデータがなければ、モデルは入力と出力の関係を正確に学習することができません。

データアノテーションの種類#

コンピュータビジョンのタスクの具体的な要件に応じて、さまざまな種類のデータアノテーションが存在します。以下に例を示します。

• Bounding Boxes（バウンディングボックス）: 画像内のオブジェクトの周囲に描かれる長方形の枠で、主に物体検出タスクに使用されます。これらのボックスは、左上と右下の座標によって定義されます。
• ポリゴン: オブジェクトの詳細な輪郭であり、バウンディングボックスよりも正確なアノテーションを可能にします。ポリゴンは、オブジェクトの形状が重要となるインスタンスセグメンテーションなどのタスクで使用されます。
• マスク: 各ピクセルがオブジェクトの一部または背景のいずれかであるバイナリマスクです。マスクは、ピクセルレベルの詳細を提供するためにセマンティックセグメンテーションタスクで使用されます。
• キーポイント: 関心のある位置を特定するために画像内にマークされた特定のポイントです。キーポイントは、姿勢推定や顔のランドマーク検出などのタスクで使用されます。
• 回転バウンディングボックス: 回転角度を持つ長方形であり、航空画像などのようにオブジェクトが任意の方向に向いて現れるOBBタスクで使用されます。

一般的なアノテーションフォーマット#

アノテーションの種類を選択した後、アノテーションの保存と共有に適した形式を選択することが重要です。最も一般的な形式は以下の通りです。

YOLOフォーマットは、0から始まるクラスインデックスを持つオブジェクトごとに1行を格納します。オブジェクト検出の場合、その行は正規化された0〜1の座標を持つ class x_center y_center width height です。セグメンテーション行はボックスをオブジェクトの正規化されたポリゴンポイントに置き換え、ポーズ行はボックスを保持し、その後にキーポイント座標を追加します。データセットが kpt_shape: [n, 3] を宣言している場合、キーポイントごとの可視性フラグが付加されます。OBB行は、正規化されたコーナー座標を使用して class x1 y1 x2 y2 x3 y3 x4 y4 を格納します。

アノテーションツールがCOCO JSONをエクスポートする場合、YOLOの .txt ラベルに変換するか、カスタムデータセットクラスを使用してJSONで直接トレーニングすることができます。

アノテーションガイドラインの設定#

アノテーションの種類とフォーマットを選択したら、次のステップは明確で客観的なラベリングルールを確立することです。これらのルールは、アノテーションプロセス全体を通じて一貫性と精度を保つためのロードマップとして機能します。これらのルールの主な側面には以下が含まれます：

• 明確さと詳細さ: 指示が明確であることを確認してください。何が期待されているかを示すために、例や図解を使用してください。
• 一貫性: アノテーションを統一してください。異なる種類のデータをアノテーションするための標準基準を設定し、すべてのアノテーションが同じルールに従うようにします。
• バイアスの低減: 中立を保ってください。客観的になるように自身を訓練し、個人的なバイアスを最小限に抑えて公平なアノテーションを確実にしてください。
• 効率性: より賢く働き、効率を上げてください。反復的なタスクを自動化するツールやワークフローを使用して、アノテーションプロセスを迅速かつ効率的にします。

ラベリングルールを定期的に見直し更新することで、アノテーションの正確性と一貫性を保ち、プロジェクトの目標に沿った状態を維持できます。

アノテーションツール#

優れたアノテーションツールを使用すると、タスクに必要なすべてのタイプにラベルを付け、一貫したガイドラインを適用し、トレーニングに対応したフォーマットでラベルをエクスポートできます。Ultralytics Platformには、検出、インスタンスセグメンテーション、セマンティックセグメンテーション、分類、ポーズ、OBBを網羅した組み込みのアノテーションエディタが用意されています。また、検出、インスタンスセグメンテーション、セマンティックセグメンテーション、OBBタスクにおいて、1回のクリックでマスクを作成するSAMを活用したスマートアノテーション機能も備えています。アノテーションは各タスクが期待するレイアウト（空間タスク用のYOLO .txt 行と、分類用のクラスフォルダ）で保存されるため、ラベル付けされたデータセットは変換ステップなしでそのままトレーニングに移行します。

アノテーションの品質：正確性、適合率、外れ値#

大規模なアノテーションを行う前に、精度、精密さ、外れ値、品質管理について理解しておくと、逆効果になるようなデータのラベル付けを防ぐのに役立ちます。

正確性と精度の理解#

精度と精密さの違い、およびそれがアノテーションにどのように関係しているかを理解することが重要です。精度（アクセシー）とは、アノテーションされたデータが真の値にどれほど近いかを示します。これは、ラベルが現実世界のシナリオをどれほど忠実に反映しているかを測定するのに役立ちます。精密さ（プレシジョン）は、アノテーションの一貫性を示します。データセット全体を通じて、同じオブジェクトや特徴に同じラベルを付与しているかどうかを確認します。高い精度と精密さは、ノイズを減らし、トレーニングデータから一般化するモデルの能力を向上させることで、よりよくトレーニングされたモデルにつながります。

外れ値の識別#

外れ値とは、データセット内の他の観測値からかなり逸脱したデータポイントのことです。アノテーションに関して言えば、外れ値とは、誤ってラベル付けされた画像や、データセットの残りの部分と一致しないアノテーションを指す可能性があります。外れ値はモデルの学習プロセスを歪め、不正確な予測や低い汎化性能につながる可能性があるため、懸念すべき問題です。

外れ値を検出・修正するために、さまざまな手法を使用できます。

• 統計的手法: ピクセル値、バウンディングボックスの座標、オブジェクトのサイズなどの数値特徴における外れ値を検出するには、箱ひげ図、ヒストグラム、Zスコアなどの手法を使用できます。
• 視覚的アプローチ: オブジェクトのクラス、色、形状といったカテゴリカルな特徴における異常を見つけるために、画像、ラベル、ヒートマップをプロットするなどの視覚的な方法を使用してください。
• アルゴリズム的手法: クラスタリング（K-meansクラスタリングやDBSCANなど）や異常検知アルゴリズムなどのツールを使用して、データ分布のパターンに基づいて外れ値を特定します。

アノテーション済みデータの品質管理#

他の技術プロジェクトと同様に、アノテーション済みデータにおいても品質管理は不可欠です。アノテーションが正確で一貫していることを確認するために、定期的にチェックするのが良い実践です。これはいくつかの異なる方法で行うことができます。

• アノテーション済みデータのサンプルをレビューする
• 自動化ツールを使用して一般的なエラーを見つける
• 他の人にアノテーションをダブルチェックしてもらう

複数の担当者で作業している場合、アノテーター間の一貫性が重要です。アノテーター間合意（inter-annotator agreement）が高いということは、ガイドラインが明確であり、全員が同じ方法で作業できていることを意味します。これにより、全員の認識を一致させ、アノテーションの一貫性を保つことができます。

レビュー中にエラーが見つかった場合は、それを修正し、将来のミスを防ぐためにガイドラインを更新してください。アノテーターにフィードバックを提供し、エラーを減らすために定期的なトレーニングを実施してください。エラーを処理するための強力なプロセスを持つことで、データセットを正確かつ信頼性の高いものに保つことができます。

効率的なデータラベリング戦略#

データラベリングのプロセスをよりスムーズで効果的にするために、以下の戦略の実装を検討してください。

• 明確なアノテーションガイドライン: すべてのアノテーターがタスクを一貫して解釈できるように、例を交えた詳細な指示を提供してください。例えば、鳥をラベリングする際に、鳥全体を含めるべきか、特定の部位のみを含めるべきかを指定します。
• 定期的な品質チェック: ベンチマークを設定し、特定のメトリクスを使用して作業をレビューすることで、継続的なフィードバックを通じて高い基準を維持します。
• 事前アノテーションツールの使用: 多くの現代的なアノテーションプラットフォームは、AI支援による事前アノテーション機能を提供しています。これにより、AIが生成した初期アノテーションを人間が修正することで、プロセスを大幅にスピードアップできます。
• アクティブラーニングの実装: このアプローチでは、最も情報量の多いサンプルから優先的にラベリングを行うため、モデルのパフォーマンスを維持しつつ、必要なアノテーションの総数を減らすことができます。
• バッチ処理: 一貫性を維持し効率を高めるために、類似した画像をグループ化してアノテーションを行います。

これらの戦略は、高品質なアノテーションを維持しながら、ラベリングプロセスに必要な時間とリソースを削減する助けとなります。

結論#

多様で偏りのないデータを収集し、適切なツールを使用して一貫してアノテーションを行うことが、信頼性の高いコンピュータビジョンモデルの基礎となります。データセットの収集とラベル付けが完了したら、コンピュータビジョンプロジェクトの手順ガイドに進み、トレーニングと評価へ移行してください。途中で質問が生じた場合は、Ultralytics GitHubリポジトリまたはUltralytics Discordサーバーでコミュニティにお尋ねください。

よくある質問 (FAQ)#