ここでは、全アノテーション作業を通じて最も重要な作業といえる「アノテーション仕様の作成」について補足します。

アノテーション仕様は、対象データ、機械学習手法、応用（アプリケーション）により変わるため、万能な方法は弊社でも見つけられていません。

しかしその中でも、特に以下3点に注意して仕様を作成することを推奨しています。

1.トライアルの実施

アノテーション仕様の作成は、とても難しい作業です。

事前に仕様をじっくり考えたつもりでも、いざ実際の画像や動画を見てみると、教師をどうつけていいか判断しかねるケースが頻繁に見つかります。

またもう1つ厄介なのは、アノテーションを「完成」できても、できあがったアノテーションをいざ学習させてみると問題が発覚…というケースです。

特に後者の場合、やり直しのコストが非常に高くなります。

そこで、

1. タスク数個～数十個のテストプロジェクトを作成する
2. テストプロジェクトを完成させる
3. テストプロジェクトの教師データで学習を行ってみる
4. 問題の洗い出し、仕様の修正
5. 本番プロジェクトの作成

といった手順で進めることをお勧めします。

2.複数人での実施

教師データが満たすべき大切な性質のひとつとして「ブレがないこと」が挙げられます。

アノテーション仕様があやふやだと、アノテーターによって異なる判断がなされる場合があります。その結果、ブレのある教師データが生成されてしまい、学習時に精度低下を引き起こすおそれがあります。

例えば、車載カメラの画像に対して「車種」という属性をアノテーションする場合を考えます。

1. 乗用車
2. トラック
3. バス
4. その他（消防車、コンクリートミキサー車）

の4種を作成したとします。多くのアプリケーションは、これくらいラフな分類で十分でしょう。

ですが、もしもピックアップトラックが現れた場合、これは乗用車とトラックのどちらとすべきでしょうか？

ひょっとすると、

• Aさん「乗用車」
• Bさん「トラック」

のように、 同種の車に対して別の車種属性がつけられた教師データが作成 されるかもしれません。

このような状況を防ぐため、なるべく複数人でデータを確認し、認識を合わせることをお勧めします。

3.現実的な範囲での仕様作成

当たり前ですが、教師データの作成には大変な時間がかかります（特に作業枚数が多い場合には）。

あまりにも細かく・複雑な仕様を作成すると「期限内に全く終わりそうにない！」という事態になってしまいます。

例えば、車載カメラの画像に対して車の位置をマーキングする作業を場合を考えます。

自車に近い3台についてはマーキングを行いましたが、右奥に小さく映っている乗用車については、マーキング対象とするかどうか悩ましいところです。

作業時間が無限にあるならば「可能な限りマーキングする」という対応でもよいですが、現実はそうはいきません。

例えば「○○ピクセルより小さいものはマーキングしない」などとして限度を決めるとよいでしょう。教師データの利用者と話し合い「アプリケーションでどこまで本当に必要なのか？」仕様をすり合わせる必要もあります。

教師データ作成のサポートいたします（有償）

「アノテーション仕様の決め方についてサポートがほしい」
「教師データの作成そのものをお願いしたい」

というご要望がありましたら、 弊社セールスチームまでご連絡 ください。

機械学習の研究者と教師データ作成の専門スタッフからなるチームで、仕様策定相談から教師データの作成まで承ります。