コンピュータービジョンのためのデータ収集とアノテーション戦略#

データ収集とアノテーションは、あらゆるコンピュータービジョンプロジェクトの基礎となる2つの工程です。代表的な画像や動画を集め、モデルが学習できるようにラベルを付けます。データの品質はモデルの性能を直接左右するため、トレーニングを始める前に、クラスの定義、偏りのないデータソースの選択、一貫したアノテーションが重要です。

このガイドでは、クラスの設定とデータ収集、データアノテーションとは何か、選択可能なアノテーションの種類と形式、そして効率的なラベリング戦略について解説し、すべての判断をプロジェクトの目標に沿ったものにします。

クラスの設定とデータ収集#

コンピュータービジョンプロジェクト用の画像や動画を収集する際は、定義するクラスの数、データの収集元、データセットの偏りを防ぐ方法という3つの点を決めます。

プロジェクトに適したクラスの選び方#

コンピュータービジョンプロジェクトを始める際、最初に検討する項目の1つがクラス数です。モデルに認識・識別させたいカテゴリーやラベルを含むクラスの構成を決める必要があります。クラス数は、プロジェクト固有の目標に基づいて決定します。

たとえば、交通状況を監視する場合、クラスには「自動車」「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、店舗の商品を追跡する場合は、「果物」「野菜」「飲料」「スナック」などがクラスになります。プロジェクトの目標に基づいてクラスを定義すると、データセットの関連性と焦点を保ちやすくなります。

クラスを定義する際は、粗い分類にするか、細かい分類にするかも重要な判断事項です。「分類の細かさ」とは、対象とする個別クラスの数を指します。この判断は、データの粒度とモデルの複雑さに影響します。それぞれの方法で考慮すべき点は次のとおりです。

• 粗いクラス分類： 「車両」「車両以外」など、範囲の広い包括的なカテゴリーです。アノテーションが簡単で、必要な計算リソースも少なくなりますが、得られる情報の詳細度が低く、複雑な状況ではモデルの有効性が制限される可能性があります。
• 細かいクラス分類： 「セダン」「SUV」「ピックアップトラック」「オートバイ」など、細かな違いを反映したカテゴリーを設けます。より詳細な情報を捉えられるため、モデルの精度と性能が向上します。ただし、アノテーションに多くの時間と労力がかかり、より多くの計算リソースが必要です。

特に詳細が重要となる複雑なプロジェクトでは、最初から具体的なクラスを設定すると非常に役立ちます。クラスを具体化することで、より詳細なデータを収集し、深い知見を得て、カテゴリー間の違いを明確にできます。モデルの精度が向上するだけでなく、必要に応じて後からモデルを調整しやすくなり、時間とリソースの節約にもつながります。

データソース#

公開データセットを利用するか、独自のカスタムデータを収集できます。KaggleやGoogle Dataset Search Engineなどの公開データセットには、適切にアノテーションされた標準化データが用意されているため、モデルのトレーニングや検証を始めるのに適しています。

一方、カスタムデータを収集すれば、特定のニーズに合わせてデータセットを調整できます。カメラやドローンで画像や動画を撮影したり、Webから画像を収集したり、組織内の既存データを利用したりできます。カスタムデータを使うと、その品質と関連性をより細かく管理できます。公開データとカスタムデータ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偏りの回避#

データセット内で特定のグループや状況の割合が少なすぎたり、多すぎたりすると、偏りが生じます。その結果、あるデータでは高い性能を発揮しても、別のデータでは性能が低いモデルになります。コンピュータービジョンモデルがさまざまな状況で良好に機能するよう、AIにおける偏りを避けることが重要です。

データ収集時に偏りを避ける方法は次のとおりです。

• 多様なソース：さまざまな視点や状況を捉えられるよう、多くのソースからデータを収集します。
• バランスの取れた表現：関連するすべてのグループをバランスよく含めます。たとえば、年齢、性別、民族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て更新し、新たに生じた偏りを特定して対処します。
• 偏りの軽減手法：少数クラスのオーバーサンプリング、データ拡張、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。

こうした方法を実践することで、実環境のアプリケーションで適切に汎化できる、より堅牢で公平なモデルを作成できます。

データアノテーションとは何ですか？#

データアノテーションとは、機械学習モデルのトレーニングに使えるよう、データにラベルを付けるプロセスです。コンピュータービジョンでは、モデルの学習に必要な情報を画像や動画にラベルとして付与します。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できません。

データアノテーションの種類#

コンピュータービジョンタスクの要件に応じて、さまざまな種類のデータアノテーションがあります。例をいくつか紹介します。

• バウンディングボックス：画像内の物体を囲むように描画する長方形のボックスで、主に物体検出タスクで使用されます。ボックスは左上と右下の座標で定義されます。
• ポリゴン：物体の輪郭を詳細に示し、バウンディングボックスよりも精密なアノテーションを可能にします。物体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：各ピクセルが物体または背景のいずれかを示すバイナリマスクです。セマンティックセグメンテーションタスクで使用し、ピクセル単位の詳細情報を提供します。
• キーポイント：関心のある位置を特定するため、画像内の特定の点に付与します。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：回転角を持つ長方形です。航空画像のように物体が任意の向きで現れるOBBタスクで使用されます。

一般的なアノテーション形式#

アノテーションの種類を選んだ後は、アノテーションの保存や共有に適した形式を選ぶことが重要です。最も一般的な形式は次のとおりです。

YOLO形式では、物体ごとに1行を使い、クラスインデックスは0から始まります。物体検出の場合、各行はclass x_center y_center width heightで、座標は0～1に正規化されます。セグメンテーションの行ではボックスを物体の正規化ポリゴン点に置き換えます。姿勢推定の行ではボックスを維持し、その後にキーポイント座標を追加します。データセットでkpt_shape: [n, 3]が宣言されている場合、各キーポイントに可視性フラグも含めます。OBBの行では、正規化された角の座標を使ってclass x1 y1 x2 y2 x3 y3 x4 y4を保存します。

アノテーションツールからCOCO JSONをエクスポートする場合は、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ってJSONを直接読み込んで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形式を選んだら、明確で客観的なラベリングルールを定めます。このルールは、アノテーションプロセス全体の一貫性と精度を保つための指針になります。ルールで重要な点は次のとおりです。

• 明確さと詳細さ：指示が明確であることを確認します。期待する内容を示すため、例や図を使います。
• 一貫性：アノテーションに一貫性を持たせます。データの種類ごとに標準的な基準を定め、すべてのアノテーションで同じルールに従うようにします。
• 偏りの軽減：中立性を保ちます。公平なアノテーションを実現できるよう、客観性を意識し、個人的な偏りを最小限に抑えます。
• 効率性：作業のやり方を工夫し、必要以上に労力をかけないようにします。反復作業を自動化するツールやワークフローを使い、アノテーションをより迅速かつ効率的に進めます。

ラベリングルールを定期的に見直して更新すると、アノテーションの正確さと一貫性を保ち、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は、タスクに必要なすべての種類のラベル付けに対応し、一貫したガイドラインを適用し、トレーニングにそのまま使える形式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、姿勢推定、OBBに対応するアノテーションエディターが組み込まれています。また、SAMを活用したスマートアノテーションを使うと、ワンクリックで、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タスク用のマスクを作成できます。各タスクに必要な形式でアノテーションが保存されるため、空間タスク用のYOLO .txt行や分類用のクラスフォルダーから、変換手順を挟まずにそのままトレーニングへ進められます。

アノテーションの品質：正確さ、精度、外れ値#

大規模なアノテーションを始める前に、正確さ、精度、外れ値、品質管理について理解しておくと、データに逆効果となるラベルを付けずに済みます。

正確さと精度を理解する#

正確さと精度の違い、およびアノテーションとの関係を理解することが重要です。正確さは、アノテーションされたデータが真の値にどれだけ近いかを表し、ラベルが実世界の状況をどの程度反映しているかを測る指標です。精度は、アノテーションの一貫性を示します。同じ物体や特徴に、データセット全体を通して同じラベルを付けているかを確認します。正確さと精度が高いと、ノイズが減り、モデルがトレーニングデータから汎化する能力が向上するため、より優れたモデルをトレーニングできます。

外れ値の特定#

外れ値とは、データセット内の他の観測値から大きく外れたデータポイントです。アノテーションの場合、誤ったラベルが付いた画像や、データセット内の他のデータと整合しないアノテーションが外れ値に当たります。外れ値はモデルの学習プロセスを歪め、予測精度の低下や汎化性能の悪化につながる可能性があるため、注意が必要です。

外れ値の検出と修正には、さまざまな方法を使用できます。

• 統計的手法：ピクセル値、バウンディングボックスの座標、物体のサイズなどの数値特徴における外れ値の検出には、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。
• 視覚的手法：物体クラス、色、形状などのカテゴリ特徴の異常を見つけるには、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ます。
• アルゴリズム手法：クラスタリング（K-meansクラスタリング、DBSCANなど）や異常検知アルゴリズムなどのツールを使い、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、アノテーション済みデータの品質管理は欠かせません。アノテーションの正確さと一貫性を確保するため、定期的に確認することをお勧めします。確認方法はいくつかあります。

• アノテーション済みデータのサンプルを確認する
• 自動ツールを使ってよくあるエラーを見つける
• 別の担当者にアノテーションを再確認してもらう

複数人で作業する場合は、アノテーター間の一貫性が重要です。アノテーター間の一致度が高いということは、ガイドラインが明確で、全員が同じ方法で従っていることを示します。認識を統一し、アノテーションの一貫性を保つことにつながります。

確認中にエラーを見つけた場合は修正し、同じミスを繰り返さないようガイドラインを更新します。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の定期的なトレーニングも行います。エラーへの対応プロセスを確立することで、データセットの正確さと信頼性を維持できます。

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かつ効果的に進めるには、次の戦略を取り入れること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、例を含む詳細な手順を提示します。たとえば、鳥をラベリングする場合は、鳥全体を含めるのか、特定の部位だけを含めるのかを明確にします。
• 定期的な品質チェック: ベンチマークを設定し、具体的な指標を使って作業をレビューします。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活用: 多くの最新のアノテーションプラットフォームには、AI支援による事前アノテーション機能があり、人間が後から修正できる初期アノテーションを自動生成することで、プロセスを大幅に高速化できます。
• アクティブラーニングの導入: このアプローチでは、最も有益なサンプルから優先的にラベリングするため、モデルの性能を維持しながら、必要なアノテーションの総数を減らせる可能性があります。
• バッチ処理: 類似した画像をまとめてアノテーションすることで、一貫性を保ち、効率を高めます。

これらの戦略は、ラベリングに必要な時間とリソースを削減しながら、高品質なアノテーションを維持するのに役立ちます。

結論#

多様で偏りのないデータを収集し、適切なツールを使って一貫性のあるアノテーションを行うことは、信頼性の高いコンピュータービジョンモデルの基盤です。データセットの収集とラベリングが完了したら、コンピューター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を始めましょう。途中で疑問が生じた場合は、Ultralytics GitHubリポジトリまたはUltralytics Discordサーバーでコミュニティに質問してください。

よくある質問#