
昨今のディープラーニングは非常に高性能な手法が続々と登場しており、様々な産業においてその活用が注目を集めています。
その一方でどの産業分野においても、学習に用いる教師データが不十分な状況があり、
AI学習を行なっても十分な精度を得られないケースが往々にしてあります。
また、同じモデルを用いた場合であっても、教師データの質と量で精度には大きな差が生じます。
実用レベルのAIシステム開発において、高品質かつ十分な量の教師データを用意することは依然、喫緊の課題と言えます。
この解決策の一つとして、Data Augmentationという手法があります。
Data Augmentationとは、既存のデータセットから様々なテクニックを用いてデータ量を拡張する方法です。
例えば1枚の画像に対して、反転、輝度変更、回転、平行移動、合成などを行い、全く異なるデータを多数作成することが可能です。
グローバルウォーカーズでは独自のフレームワーク「GW-Augmentation」を開発しており、スピーディかつ高品質なデータ拡張が可能です。
GW-Data Augmentation 3つの特徴

拡張性
自社内製の独自のフレームワークを利用することでより高い拡張性を持ち、要件に応じて柔軟に対応可能です。

画像合成
画像データの補正(ノイズ付与、回転など)に加え、背景の差し替えなどの画像合成など、条件に応じて多様かつ高度なデータ拡張が可能です。

多様な入出力
BoundingBox, KeyPoint, Segmentation等、多様なアノテーションフォーマットの入出力に対応しています。
画像補正
ノイズ

ぼかし

反転

拡大

オリジナル

回転

色相

彩度

明度

背景合成
元画像

背景

合成画像

既存フレームワークとの比較

ご発注に関して

グローバルウォーカーズでは教師データの作成からGW-Data Augmentationを用いたAugmentation、学習、検証までを一括してご発注いただくことは勿論のこと、教師データの作成、Data Augmentation単体でのご発注も随時承っています。