機械学習/ディープラーニング(Deep Learning)においてはいかに高性能な手法であっても、学習に用いる教師データ量の不足から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、同じシステム(モデル)であっても、学習させる教師データの質と量で精度には大きな差が生じます。
実用性の高い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非常に重要なテーマです。
この解決策の一つとして、Global WalkersではData Augmentationという手法を推奨しています。
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数倍~数十倍にまで拡張する方法です。
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。
Global Walkersでは多数のAIシステム開発経験を活かした独自のフレームワーク「GW-Data Augmentation」を有しています。
GW-Data Augmentationの特徴
入出力フォーマットの柔軟性
Global Walkers独自のフレームワーク「GW-Data Augmentation」を利用することで、高い拡張性に準じた豊富なデータ形式への出力に対応可能です。 また、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。
豊富な画像処理ノウハウ
豊富な画像処理技術ノウハウを活用した、様々なデータ拡張のアプローチ手法を保有しています。 画像データの補正（ノイズ付与、回転など）に加え、背景の差し替えによる画像合成など、条件に応じて多様かつ高度なデータ拡張を行います。
学習モデルの精度向上に貢献
AIモデルの開発経験豊富なエンジニアによって、最適なデータ拡張手法(補正・画像合成など)を実施・ご提案いたします。
適切なデータ拡張により、コストを抑えた学習モデルの精度向上を実現いたします。
データが不足している、学習モデルの精度が思ったように上がらない。
そういったAI開発における頻出課題に応えるべく、Global Walkersではデータ拡張のほか拡張後の精度評価など、
教師データの作成・運用を一気通貫で対応可能なサービス"Annotation One"を提供しています。
データの作成・拡張のみならず、精度向上に向けたコンサルティング業務からの対応が可能ですので、是非お気軽にご連絡ください。
既存データ拡張フレームワークとの比較
画像補正サンプル
ノイズ
ぼかし
反転
拡大
オリジナル
回転
色相
彩度
明度
背景合成サンプル
元画像
背景
合成画像
ご用命に関して
Global Walkers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用命いただくほか、教師データの作成、Data Augmentation単体でのご用命も随時承っています。