概要

AIの精度を高めるには、良質な学習データを用意する必要があります。

学習データが精度を決定する9割の要素であり、残りの1割は尤度しきい値の調整と言われています。

学習データを良質なものにするためには、撮影方法やアノテーションを工夫する必要がありますので、本記事ではその点についてご紹介します。

画像準備

まず、画像を準備する際に以下のポイントをチェックしましょう。

撮影環境
- 学習データと推論データは同じ撮影環境であることが望ましい
  （撮影環境が異なれば、光の当たり方によって色の違いや影が発生する可能性がある）
- 学習用画像に検出対象物がはっきりと写っているか
  （画質が低かったり、ぼやけている画像をなるべく避ける）
画像
- 想定されるバリエーション（形状、色、大きさ、方向等）がなるべく多く含まれるデータセットであるべき
- 各ラベルの画像を均等に用意する
  （画像枚数の偏りがあった場合は、AIモデルの性能も偏ってしまう）

※学習開始には20件以上の学習データ（各ラベルにつき2件以上）が必要です

基本的に、対象物がギリギリ枠内に収まるような囲み方が理想なアノテーションです。

アノテーションの枠内に対象物以外が含まれていると、その異物も対象物の要素として学習する可能性があり、精度低下に繋がる恐れがあります。

また、全ての画像に対して一貫性のあるアノテーションを実施することも重要なポイントの一つです。

＊「一貫性がある」とは、例えば、猫の画像をアノテーションする時にある画像では顔のみ、別の画像では体全体をアノテーションというような付け方ではなく、「顔のみをアノテーションする」などのルールを決めたやり方です。

精度の高いAIモデルを構築するためにも、今回ご紹介したポイントを踏まえて学習データを作成するようにしてみましょう！