課題
お客様はすでに領域検出モデルを運用していましたが、期待する精度に届かない場面が残っていました。精度が伸び悩む原因の多くは、モデルが苦手とする条件のデータが学習に足りていないことにあります。
既存のデータを増やすだけでは、この不足は埋まりません。モデルが苦手とする対象や条件を狙って、新たにデータを撮影する必要がありました。
支援内容
Nextremerは、データの撮影からアノテーションまでを一貫して支援しました。
- 精度向上に必要なデータを見極め、専用のカメラで対象物を撮影
- 撮影したデータに、ピクセル単位で領域を塗り分けるセマンティックセグメンテーションを実施
- 既存モデルの学習に組み込めるよう、仕様に沿った形式で納品
撮影段階からアノテーションのしやすさを意識し、境界が判別しにくい画像を減らすことで、セグメンテーションの品質を確保しています。
成果
モデルが苦手としていた条件のデータを撮影から補い、既存の領域検出モデルの精度向上に貢献しました。
「データを増やす」のではなく「足りないデータを狙って撮る」ことで、精度改善に効く学習データを効率よく用意できました。
