ラベル付け

Deep Learning ソフトウェアは学習に基づいているため、ネットワークに画像について何を学習させるかが極めて重要です。Deep Learning の用語では、この処理を「ラベル付け」と言います。ラベル付けは、ユーザが特徴または欠陥を識別し、画像上に図で示すプロセスです。ラベルはそのツールの「教師データ」を表し、ツールに学習させてパフォーマンスを検証するために使用されます。

ラベルは、そのツールの教師データです。つまり、「これを学習しなさい」というツールへの指示です。ツールのプログラミングで最も重要なことは、学習に使用されている画像に完全かつ正確にラベルを付けることです。画像の教師データがわからないと、ツールが正しく機能しているかどうかがわかりません。また、ラベル付けが不正確だと、ツールの学習も機能しません。

ラベル付けは、ディープラーニングアプリケーションの作成で最も重要な要素です。次の点に注意してください。

• ツールとアプリケーションのパフォーマンスを評価するときは、必ずユーザが行ったラベル付けに対してパフォーマンスが測定されます。ラベル付けが画像の実際の教師データを反映していなければ、正確で再現可能なツールのパフォーマンスに何の意味もなくなります。
• Deep Learning ツールに学習させる場合の目標 (コスト関数) は、ユーザが行ったラベル付けに正確に一致する応答を生成するようにツールに学習させることです。