販売終了のお知らせ
本製品は2023年9月30日をもって当社からの販売を終了いたしました。ご愛顧いただき、ありがとうございました。
AIや認識モデルの開発でAIの精度を上げるには大量のデータが不可欠です。
しかし、大量データの利用にはその前処理であるデータのラベリング(アノテーション)に
膨大な時間がかかってしまい、コスト増につながってしまいます。
画像判定トータルソリューションでは、この課題を解決するため、
Labelboxのデータラベリング・プラットホームを提供。
ラベリングのスピードアップを実現し、生産性を向上。
より高精度なAIモデルを短期間で構築することができます。
従来は‥‥
- 大量なデータのラベリングに人員増が必要‥‥
- データの質を確保するにはデータチェックに
時間がかかり、コストが膨らむ‥‥
データラベリングプラットフォームなら‥‥
- プラットフォーム上で一元管理が可能となり、ラベリング工数を削減
- ラベリング作業者(ラベラー)の生産性を向上し、AI品質を確保
- 高精度のAIモデルを短期間で構築可能に
AI構築プロセスのイメージ
モデル生成
自社サーバー環境・
クラウド環境などでのモデル構築
分析
学習データの正当性チェックと
精度低下画像のチェック
優先づけ
不要なデータ削除、
高精度維持のためのデータ追加
アノテーション
データのラベル作業を実施
モデル推論による半自動学習
(初回のみ手作業)
効果
AIの学習元である
学習データの品質確保
学習データ生成作業
(ラベリング)の工数削減
AI構築期間の短縮し
本番稼働を早期に実現
効率的なラベリング
インターフェース
Bounding-Box、Polygon、Segmentation-Maskなどに対応し、画像だけでなく、動画や音声/波形、テキストまで、多種多様なデータのラベリングが可能。ラベリングのプロセスを迅速化し、AIモデルの短期構築を実現します。
モデル精度と生産性の向上を
実現するアクティブラーニング
アクティブラーニングにより、プロジェクトに即したデータのラベルづけ=アノテーションを行い、それをサイクル化、繰り返し実行し蓄積することで、より高精度なAIモデル構築を実現。ラベリング作業の負荷を大幅に軽減し生産性向上にも寄与します。
先進技術による
ラベリングデータの品質管理
データ内の複雑なパターンを視覚化し、クラスタから外れているデータを抽出し、ラベリング結果の改善を即座に実施。目標精度をより早く達成することができます。
チーム・個人のパフォーマンスを
一元管理
WebベースでのGUIで進捗の管理をしながらプロジェクトを通じてラベリング作業者の進捗・生産性をトレース可能です。特定画像のラベリングを複数メンバーに実施させたり、ラベラーごとにベンチマーク(標準ラベラー)と比較してスコアリングしたり、課題提起と改善方法のレビューを共有したりなどが行えます。
米国Labelbox社の注目情報を
ピックアップ!
米国Labelbox社のウェブサイトが開きます。
2022年11月29日
Explore, visualize, and understand your data in one click
MLモデルをトレーニングする前に、Catalogですべてのデータを探索できます。数回クリックするだけで、関心のあるデータ行のすべての例を表示し、関心のあるデータのスライスとして保存するか、ラベル付けプロジェクトにバッチとして送信できます。この例では、カタログの約500万行のデータから、1クリックで1つの花のすべての画像をフィルタリングできます。
2022年11月29日
Quickly mine edge cases or rare examples
モデルをトレーニングした後、Modelが苦労しているエッジケースを見つけるかもしれません。Catalogの類似検索を使えば、Modelの失敗パターンなのか、単なる一過性のミスなのか簡単に確認できます。この例では、Modelは多くの花を含む画像に苦労しているように見えるため、エッジケースをすばやくマイニングして、多くの花を含むすべての画像を見つけることができます。
2022年11月29日
Find all labeling mistakes in your project and send them to re-labeling
ラベル付けプロジェクト内で、ラベル付けの品質の問題や誤ったラベル付けされたデータなど、問題のあるデータ行を特定する場合があります。類似性検索を利用して、ラベル付けされたすべての類似データ (ラベル付けエラーが含まれている可能性があり、追加のレビューが必要な場合があります) を見つけて、特定のレビューステップに送信できます。
2022年6月16日
How Deque uses data prioritization and model diagnostics to unlock AI breakthroughs in digital accessibility
現在、機械学習の力により、Deque社チームは次世代のアクセシビリティテストを主導できるようになっています。MLプログラムのコンポーネントを構築することは困難でしたが、最もパフォーマンスの高いクラスのデータに優先順位を付け、モデルエラーをすばやく発見し、高品質のデータで反復を促進できる高度なデータエンジンを開発しました。