課題
画像認識AIの精度を高めるには、学習データとなる画像へ対象領域を塗り分けるセグメンテーションが欠かせません。このプロジェクトでは、対象が複雑で判断の難しい画像が数万枚規模で存在し、しかも短納期での納品が求められていました。
規模・難度・スピードのいずれかに寄せれば他が崩れるため、3つを同時に満たす進め方が必要でした。
支援内容
Nextremerは、作業手順そのものを見直す技術的なプロセス刷新と、大量の作業者が同じ基準で判断できる運用体制の構築の両面から支援しました。
- 難度の高い対象について、判断が割れない粒度までアノテーション基準を具体化
- 大量データを滞留させずに流す作業プロセスへの刷新
- 作業品質を継続的に確認し、基準からのぶれを早期に戻す品質管理
成果
複雑で難解な大量の画像データを迅速かつ高い精度で処理し、品質・規模・スピードを高い基準で両立することに成功しました。
規模を追えば品質が落ち、品質を追えば納期が延びる、という一般的なトレードオフに寄らずに済んだのは、作業を増やすのではなく作業の前提そのものを設計し直したためです。
