病害の識別、顕微鏡画像の識別、物体検出、画像分類のタスク向けに、画像の整理、アノテーション、品質チェック、学習セットの分割を行います。
クラス、出所、時期、実験バッチごとに画像を整理し、命名と形式を統一します。
元画像は残し、元画像に直接アノテーションや圧縮を行わないでください。
クラスの定義、バウンディングボックスのルール、セグメンテーションのルール、難しい例の扱い方を明確にします。
複数人でアノテーションする前に必ずルールを統一してください。そうしないとデータセットに一貫性がなくなります。
タスクの種類に応じて、分類、物体検出、セマンティックセグメンテーション、インスタンスセグメンテーションのアノテーションを行います。
まず少数のサンプルで試行してから、大規模なアノテーションを行いましょう。
誤ったラベル、付け漏れ、重複したアノテーション、クラスの不均衡の問題を抜き取りで確認します。
最終的な性能には、モデルの構造よりもデータの質のほうが大きく影響することが多いです。
データを YOLO、COCO、Pascal VOC、分類用フォルダの形式で書き出します。
書き出す前に、学習・検証・テストセットの間でデータリークがないか確認してください。
