コンピュータビジョンモデルを構築する際に高品質なデータが必要となる理由を探ります。データ品質がモデルのパフォーマンスにどのように影響するかを発見してください。
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
コンピュータビジョンモデルを構築する際に高品質なデータが必要となる理由を探ります。データ品質がモデルのパフォーマンスにどのように影響するかを発見してください。
2019年の時点で、企業の人工知能（AI）の導入は過去4年間で270%増加しました。この成長は、コンピュータビジョン（CV）アプリケーション、つまり機械が周囲の世界からの視覚データを解釈および分析できるようにするAIシステムの急速な統合を促進しました。これらのアプリケーションは、医用画像における疾患の検出、自動運転車の実現、輸送における交通流の最適化、セキュリティシステムにおける監視の強化など、幅広い技術を強化します。
コンピュータビジョンモデル（Ultralytics YOLO11など）の驚異的な精度と比類なき性能が、この指数関数的な成長を大きく牽引してきました。しかし、これらのモデルの性能は、モデルの学習、検証、テストに使用されるデータの品質と量に大きく依存します。
十分な高品質のデータがないと、コンピュータビジョンモデルを効果的にトレーニングおよび微調整して業界標準を満たすことが困難になる可能性があります。この記事では、コンピュータビジョンモデルの作成におけるデータの重要な役割と、高品質のデータがコンピュータビジョンにおいて非常に重要である理由について説明します。また、カスタムコンピュータビジョンモデルのトレーニング中に高品質のデータセットを作成するのに役立つヒントも紹介します。それでは始めましょう！
コンピュータビジョンモデルは、画像や動画の大規模なデータセットでトレーニングして、パターンを認識し、正確な予測を行うことができます。たとえば、物体検出モデルは、数百から数千ものラベル付き画像や動画でトレーニングして、オブジェクトを正確に識別できます。
このトレーニングデータの品質と量は、モデルのパフォーマンスに影響を与えます。
コンピュータビジョンモデルは、与えられたデータからしか学習できないため、高品質なデータと多様な例を提供することが、その成功には不可欠です。十分で多様なデータセットがなければ、これらのモデルは現実世界のシナリオを正確に分析できず、偏った、または不正確な結果を生み出す可能性があります。
そのため、モデルトレーニングにおけるデータの役割を明確に理解することが重要です。高品質なデータの特性について説明する前に、コンピュータビジョンモデルのトレーニング中に遭遇する可能性のあるデータセットの種類について理解しましょう。
コンピュータビジョンでは、トレーニングプロセスで使用されるデータは3つのタイプに分類され、それぞれが特定の目的を果たします。各タイプの概要は次のとおりです。
データセットの種類に関係なく、高品質なデータは、コンピュータビジョンモデルを構築する上で不可欠です。以下に、データセットを高品質にするための主要な特性をいくつか示します。
高品質なデータ特性を理解することは重要ですが、低品質なデータがコンピュータビジョンモデルにどのように影響するかを考慮することも同様に重要です。
過学習や学習不足のような問題は、モデルのパフォーマンスに深刻な影響を与える可能性があります。過学習は、モデルがトレーニングデータではうまく機能するものの、新しいデータや未知のデータでは苦戦する場合に発生します。これは多くの場合、データセットに多様性がないことが原因です。一方、学習不足は、データセットがモデルにとって意味のあるパターンを学習するのに十分な例や品質を提供しない場合に発生します。これらの問題を回避するには、多様で偏りのない高品質のデータセットを維持し、トレーニングと実際のアプリケーションの両方で信頼性の高いパフォーマンスを確保することが不可欠です。
低品質のデータは、モデルが生データから意味のあるパターンを抽出して学習することも困難にする可能性があり、これは特徴抽出として知られるプロセスです。データセットが不完全、無関係、または多様性に欠ける場合、モデルは効果的に機能するのに苦労する可能性があります。
データの単純化は、データ品質の低下につながる場合があります。データの単純化は、ストレージ容量の節約や処理コストの削減に役立ちますが、過度な単純化は、モデルが適切に機能するために必要な重要な詳細を失う可能性があります。そのため、収集からデプロイまで、コンピュータビジョンプロセス全体を通して、高品質なデータを維持することが非常に重要です。経験則として、データセットは、信頼性の高いモデル予測を保証するために、多様性と正確さを維持しながら、不可欠な特徴を含める必要があります。
高品質のデータの重要性と、低品質のデータの影響を理解したところで、データセットが高水準を満たしていることを確認する方法を見ていきましょう。
すべては、信頼性の高いデータ収集から始まります。クラウドソーシング、さまざまな地理的地域からのデータ、合成データ生成などの多様なソースを使用することで、バイアスを減らし、モデルが現実世界のシナリオに対応できるようになります。データの収集後、前処理が重要になります。ピクセル値を一貫した範囲にスケーリングする正規化や、回転、反転、ズームなどの変換を適用する拡張などの手法は、データセットを強化します。これらの手順は、モデルの汎化能力を高め、より堅牢にし、過学習のリスクを軽減するのに役立ちます。
データセットを適切に分割することも重要なステップです。一般的なアプローチは、データの70％を学習に、15％を検証に、15％をテストに割り当てることです。これらのセット間に重複がないことを再確認することで、データのリークを防ぎ、正確なモデル評価を保証します。
時間を節約し、計算リソースを節約するために、YOLO11のような事前学習済みモデルを使用することもできます。大規模なデータセットで学習され、さまざまなコンピュータビジョンタスク向けに設計されたYOLO11は、お客様のニーズに合わせて特定のデータセットで微調整できます。モデルをお客様のデータに調整することで、過学習を回避し、強力なパフォーマンスを維持できます。
AIコミュニティは従来、より多くのレイヤーを持つより深いモデルを構築することによってパフォーマンスを向上させることに焦点を当ててきました。しかし、AIが進化し続けるにつれて、焦点はモデルの最適化からデータセットの品質向上に移っています。「AIの父」とよく呼ばれるAndrew Ngは、「AIの世界がこの10年で経験する必要のある最も重要な変化は、データ中心のAIへの移行になるだろう」と信じています。
このアプローチは、ラベルの精度を向上させ、ノイズの多いサンプルを削除し、多様性を確保することで、データセットの改良を重視します。コンピュータビジョンでは、これらの原則は、バイアスや低品質のデータなどの問題に対処し、モデルが実際のシナリオで確実に機能するようにするために重要です。
将来を見据えて、コンピュータビジョンの進歩は、大量のデータを収集するのではなく、より小さく高品質なデータセットを作成することに依存するでしょう。Andrew Ngによれば、「データの改善は、一度限りの前処理ステップではありません。それは、機械学習モデル開発の反復プロセスの中核となる部分です。」データ中心の原則に焦点を当てることで、コンピュータビジョンはさまざまな業界でよりアクセスしやすく、効率的で、影響力のあるものになり続けるでしょう。
データは、ビジョンモデルのライフサイクル全体で重要な役割を果たします。データ収集から前処理、トレーニング、検証、テストまで、データの品質はモデルのパフォーマンスと信頼性に直接影響します。高品質のデータと正確なラベリングを優先することで、信頼性と正確性の高い結果を提供する、堅牢なコンピュータビジョンモデルを構築できます。
データ主導の未来に向かうにつれて、バイアスやプライバシー規制に関連するリスクを軽減するために、倫理的な考慮事項に対処することが不可欠です。最終的に、コンピュータビジョン技術の可能性を最大限に引き出すには、データの完全性と公平性を確保することが重要です。
AIについてさらに学ぶには、コミュニティにご参加いただき、GitHubリポジトリをご確認ください。ソリューションページでは、農業や製造業など、さまざまな分野におけるAIの応用例を紹介しています。
