検索
Japan
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。
