2025年の最高のコンピュータビジョンデータセットを詳しく見ていきます。多様で高品質なデータセットが、よりスマートなVision AIソリューションをどのように推進するかを学びましょう。
YOLO Vision 2025にご期待ください！
2025年9月25日
10:00 — 18:00（英国夏時間）
ハイブリッドイベント
2025年の最高のコンピュータビジョンデータセットを詳しく見ていきます。多様で高品質なデータセットが、よりスマートなVision AIソリューションをどのように推進するかを学びましょう。
データは、私たちの日常生活のほぼすべての場面で役割を果たしていることをご存知でしたか？動画の視聴、写真撮影、Googleマップの利用など、あらゆる行動が、750億台以上の接続されたデバイスによって収集される絶え間ない情報の流れに貢献しています。これらのデータこそが、人工知能（AI）の基盤を形成しています。実際、Ultralytics YOLO11のような高度なコンピュータビジョンモデルは、視覚データを利用してパターンを識別し、画像を解釈し、周囲の世界を理解しています。
興味深いことに、データの価値は単に量だけではありません。データの整理と準備がどれだけ適切に行われているかがより重要です。データセットが乱雑であったり、不完全であったりすると、間違いにつながる可能性があります。しかし、データセットがクリーンで多様性がある場合、群衆の中のオブジェクトを認識したり、複雑なビジュアルを分析したりするなど、コンピュータビジョンモデルのパフォーマンス向上に役立ちます。高品質なデータセットがすべてを変えます。
この記事では、2025年の最高のコンピュータビジョンデータセットを探り、それらがより正確で効率的なコンピュータビジョンモデルの構築にどのように貢献するかを見ていきます。それでは、始めましょう。
コンピュータビジョンデータセットは、コンピュータビジョンシステムが視覚情報を理解し認識することを学習するのに役立つ画像またはビデオのコレクションです。これらのデータセットには、モデルがデータ内のオブジェクト、人物、シーン、およびパターンを認識するのに役立つラベルまたはアノテーションが付属しています。
これらは、コンピュータビジョンモデルをトレーニングするために使用でき、顔の識別、物体の検出、シーンの分析などのタスクを改善するのに役立ちます。データセットが優れているほど（適切に整理され、多様で、正確であるほど）、Vision AIモデルのパフォーマンスが向上し、日常生活でよりスマートで便利なテクノロジーにつながります。
コンピュータビジョンのデータセットを構築することは、誰かに世界を見て理解する方法を教えるための学習ノートを準備するようなものです。まず、開発している特定のアプリケーションに一致する画像や動画を収集することから始まります。
理想的なデータセットには、さまざまな角度から、さまざまな照明条件で、複数の背景や環境でキャプチャされた、対象オブジェクトの多様な例が含まれています。この多様性により、コンピュータビジョンモデルはパターンを正確に認識し、現実世界のシナリオで確実に実行できるようになります。
関連する画像と動画を収集した後、次のステップはデータラベリングです。このプロセスでは、AIが各画像または動画に何が含まれているかを理解できるように、タグ、アノテーション、または説明をデータに追加します。
ラベルには、オブジェクト名、場所、境界、またはモデルが視覚情報を正確に認識および解釈するのに役立つその他の関連詳細を含めることができます。データラベリングは、画像の単純なコレクションを、コンピュータビジョンモデルをトレーニングするために使用できる構造化されたデータセットに変換します。
何が高品質なデータセットを作るのか疑問に思われるかもしれません。正確なラベリング、多様性、一貫性など、多くの要因が関係しています。たとえば、複数のアノテーターが物体検出データセットにラベルを付けて猫の耳を識別する場合、ある人は頭の一部としてラベルを付け、別の人は耳として別々にラベルを付けるかもしれません。この不整合はモデルを混乱させ、正しく学習する能力に影響を与える可能性があります。
理想的なコンピュータビジョンデータセットの品質の概要を以下に示します。
YOLO11のようなUltralytics YOLOモデルは、特定のYOLOファイル形式のデータセットで動作するように構築されています。ご自身のデータをこの形式に変換するのは簡単ですが、すぐに実験を始めたい方のために、手間のかからないオプションも提供しています。
Ultralytics Pythonパッケージは、幅広いコンピュータビジョンデータセットをサポートしており、追加のセットアップなしに、物体検出、インスタンスセグメンテーション、ポーズ推定などのタスクを使用したプロジェクトにすぐに取り組むことができます。
ユーザーは、トレーニング機能のパラメータの1つとしてデータセット名を指定することで、COCO、DOTA-v2.0、Open Images V7、ImageNetなどのすぐに使用できるデータセットに簡単にアクセスできます。そうすると、データセットは自動的にダウンロードされ、事前構成されるため、モデルの構築と改良に集中できます。
Vision AIの進歩は、イノベーションを促進し、ブレークスルーを可能にする多様で大規模なデータセットに依存しています。Ultralyticsがサポートする、コンピュータビジョンモデルに影響を与えている最も重要なデータセットのいくつかを見てみましょう。
ImageNetは、Fei-Fei Liと彼女のプリンストン大学のチームによって2007年に作成され、2009年に発表された、1400万枚以上のラベル付き画像を含む大規模なデータセットです。さまざまなオブジェクトを認識および分類するためのシステムをトレーニングするために広く使用されています。その構造化された設計は、モデルに画像を正確に分類させるのに特に役立ちます。十分に文書化されていますが、主に画像分類に焦点を当てており、物体検出などのタスクの詳細なアノテーションはありません。
ImageNetの主な強みをいくつかご紹介します。
ただし、どのようなデータセットでもそうであるように、このデータセットにも限界があります。考慮すべき課題を以下に示します。
DOTA-v2.0データセット（DOTAはDataset for Object Detection in Aerial Imagesの略）は、傾斜バウンディングボックス（OBB）オブジェクト検出用に特別に作成された航空写真の広範なコレクションです。OBB検出では、回転されたバウンディングボックスを使用して、画像内のオブジェクトの実際の向きにより正確に合わせます。この方法は、オブジェクトがさまざまな角度で表示されることが多い航空画像に特に適しており、より正確なローカリゼーションと全体的な検出の向上につながります。
このデータセットは、18のオブジェクトカテゴリにわたる11,000枚以上の画像と170万個以上の向き付きバウンディングボックスで構成されています。画像は800×800から20,000×20,000ピクセルまでの範囲で、飛行機、船、建物などのオブジェクトが含まれています。
詳細なアノテーションにより、DOTA-v2.0はリモートセンシングおよび航空監視プロジェクトで広く利用されています。DOTA-v2.0の主な機能は次のとおりです。
DOTA-v2には多くの強みがありますが、ユーザーが留意すべきいくつかの制限事項を以下に示します。
Roboflow 100（RF100）データセットは、RoboflowがIntelのサポートを受けて作成しました。オブジェクト検出モデルの動作をテストおよびベンチマークするために使用できます。このベンチマークデータセットには、90,000を超える公開データセットから選択された100種類のデータセットが含まれています。ヘルスケア、航空写真、ゲームなどの分野から、224,000を超える画像と800のオブジェクトクラスがあります。
以下に、RF100を使用する主な利点をいくつか示します。
RF100には強みがある一方で、留意すべきいくつかの欠点もあります。
COCOデータセットは、最も広く使用されているコンピュータビジョンデータセットの1つであり、詳細な画像アノテーションを含む330,000を超える画像を提供します。オブジェクト検出、セグメンテーション、画像キャプション用に設計されており、多くのプロジェクトにとって貴重なリソースとなっています。バウンディングボックスやセグメンテーションマスクなどの詳細なラベルは、システムが画像を正確に分析することを学習するのに役立ちます。
このデータセットはその柔軟性で知られており、単純なプロジェクトから複雑なプロジェクトまで、さまざまなタスクに役立ちます。ビジョンAIの分野では標準となっており、モデルの性能を評価するための課題やコンペティションで頻繁に使用されています。
その強みには、以下が含まれます。
以下に、注意すべきいくつかの制限要因を示します。
Open Images V7は、Googleがキュレーションした大規模なオープンソースデータセットであり、600のオブジェクトカテゴリのアノテーションを含む900万を超える画像を備えています。さまざまな種類のアノテーションが含まれており、複雑なコンピュータビジョンのタスクに取り組むのに理想的です。その規模と深さは、コンピュータビジョンモデルのトレーニングとテストのための包括的なリソースを提供します。
また、Open Images V7データセットは、研究での人気が高いため、ユーザーが学習するためのリソースと例が豊富に用意されています。ただし、その巨大なサイズにより、特に小規模なチームにとっては、ダウンロードと処理に時間がかかる場合があります。もう1つの問題は、一部のアノテーションに一貫性がない場合があり、データのクリーニングに追加の労力が必要になることと、統合が必ずしもシームレスではないため、追加の準備が必要になる可能性があることです。
適切なデータセットを選ぶことは、コンピュータビジョンプロジェクトを成功させるための重要な要素です。最適な選択は、特定のタスクによって異なります。適切なデータセットを選択することで、モデルは適切なスキルを習得できます。また、ツールとの統合が容易である必要があるため、モデルの構築により集中し、トラブルシューティングに費やす時間を減らすことができます。
.webp)
高品質のデータセットは、あらゆるコンピュータビジョンモデルのバックボーンであり、システムが画像を正確に解釈することを学習するのに役立ちます。多様で適切にアノテーションが付けられたデータセットは特に重要です。これにより、モデルは実際のシナリオで確実に実行でき、限られたデータや低品質のデータによって引き起こされるエラーを削減できます。
Ultralyticsは、コンピュータビジョンデータセットへのアクセスと操作のプロセスを簡素化し、プロジェクトに適したデータを見つけやすくします。適切なデータセットを選択することは、高性能モデルを構築するための重要なステップであり、より正確でインパクトのある結果につながります。
ぜひコミュニティに参加し、GitHubリポジトリを探求して、AIについてもっと学びましょう。ソリューションページでは、ヘルスケア向けのコンピュータビジョンや自動運転車におけるAIのような進歩をご覧いただけます。ライセンスオプションを確認して、今日からコンピュータビジョンを始めましょう！
