データ収集・データ作成

アノテーションにおける「データ収集・データ作成」とは

アノテーションとは動画、テキスト、画像、音声などのデータにラベルや関連情報を付与することです。AI（人工知能）の学習には大量の教師データ（アノテーションデータ）が不可欠ですが、アノテーションデータを作成するには、作成元となるデータが必要となります。元データは、音声認識のための会話データ、画像認識のための看板や歩道の写真データ、OCRのための手書き文字やレシートデータなど多岐にわたります。

なぜデータ収集が重要か

AIの正解率を上げるためには大量の教師データを必要とします。AIは学習して精度を上げていくので、データが多ければ多いほど学習量が多くなり、どんどん精度も向上していきます。
たとえば、AIに犬の写真と「これは何？」「これは犬です」など問題と正解を次々に与えていくと、どんどん学習が進んでいきます。そして犬の写真を見せて「これは何？」と聞くと「これは犬です」と答え、猫の写真を見せると「これは犬ではない」と答えられるようになります。

データを収集する方法

オープンデータを活用

AI開発を活性化させるために国、地方公共団体、事業者などが提供しているオープンデータを利用すれば大量データを簡単に収集できます。しかし誰でも使えるデータであるため、AI開発に利用した場合、競争優位性がないものになりがちです。

クローラーで収集

定期的にWebを巡回して画像や文章を取得してデータベースに格納するプログラムをクローラーといいます。データを収集するだけでなく、任意の情報を整形、分析、可視化（スクレイピング）できるものもあります。

IoTとアプリで収集

IoTとアプリを連動することで現場の装置からインターネットでデータを収集できるシステムもあります。製造現場などのデータを迅速に収集できます。

アノテーション代行サービスを利用

AI開発に必要な教師データ（アノテーションデータ）作成代行サービスを利用することで、自社では収集できないような膨大な量のデータや自社独自のデータを集めることができます。
アノテーション代行サービスの中にはデータ収集からアノテーションデータ作成まで行っているところもあります。また、画像データの場合は撮影から行う、テキストデータの場合は手書きからテキスト作成を行うなど、依頼内容に沿ったオリジナルデータを収集してくれるところもあります。

アノテーション代行サービスのデータ収集・データ作成の事例

Datatang

様々な分野、利用シーンに応じた保有データの提供

顔識別/物体検出用データ（顔、物体など）、スマートドライブ用データ（ストリートビューデータ、ドライバー行為データなど）、自動翻訳/OCR用データ（各国語のOCR画像・手書きデータ、コーパスデータなど）、各国語音声データの提供

カスタマイズ収集

データ処理拠点、クラウドソーシング、オフラインアウトソーシング、外部調達によるデータ収集

参照元：Datatang公式サイト（https://www.datatang.co.jp/）

ANNOTEQ

実働100万人以上のクラウドワーカーによる画像・動画データ収集

WEBに掲載されている画像の収集から、リアルの画像収集まで大量作業の実施を、高速で行う（公道の写真、レシート洗剤等の商品、本の表紙/背表紙、駐車場、車等、実際の撮影にて対応可能）

手書き文字データ

実際に「ヒト」が書く手書きの文字を収集

参照元：ANNOTEQ公式サイト（https://annoteq.com/）

FastLabel

顧客の要望に応じたデータ収集に対応

会話コーパス作成用、音声・会話データ、人物、駅、工場の風景などの画像・動画データ、領収書、手書き文字などのテキストデータ収集

参照元：FastLabel公式サイト（https://fastlabel.ai/annotation）

Global Walkers

• 再現可能性が低く入手困難なデータを3DCG・2DCGを活用して作成
• 豊富な画像データベースの中からぴったりなデータを提案
• 屋内外の撮影、車載カメラによる撮影など広く対応可能
• 自社権利保有データの提供

参照元：Global Walkers公式サイト（https://www.globalwalkers.co.jp/）

• 画像・自然言語分類のアノテーションサービス内容と事例
• 画像アノテーションの代行サービス内容と事例
• 動画アノテーションの代行サービス内容と事例
• 音声アノテーションの代行サービス内容と事例
• テキスト・言語アノテーションの代行サービス内容と事例

重視するポイントで選ぶ
アノテーション代行サービス3選