3D point clouds

3 次元 (3D) 点群は、光検出と測距 (LIDAR) デバイスを使用してキャプチャされるのが最も一般的です。これは、単一の時点での物理空間の 3D での理解に資するものです。SageMaker Ground Truth は、オブジェクト検出、オブジェクトトラッキング、セマンティックセグメンテーションなど、3D 点群データのラベリングワークフローをサポートしています。

オブジェクトの検出

オブジェクト検出ワークフローを使用すると、3D 点群内の任意オブジェクトを識別してラベル付けすることができます。例えば、自律型走行車のユースケースでは、車両、車線、歩行者を正確にラベリングすることができます。

Amazon SageMaker Ground Truth のオブジェクト検出

オブジェクトのトラッキング

オブジェクトトラッキングワークフローを使用すると、任意のオブジェクトの軌跡を追跡することができます。例えば、自律型走行車は、他の車両、車線、歩行者の動きを追跡する必要があります。Ground Truth を使用すると、3D 点群データのシーケンスにわたって、これらのオブジェクトの軌跡を追跡することができます。

Amazon SageMaker Ground Truth のオブジェクトトラッキング

セマンティックセグメンテーション

セマンティックセグメンテーションのワークフローを使用すると、3D 点群のポイントを事前に指定したカテゴリにセグメンテーションすることができます。例えば、自律型走行車の場合、Ground Truth は道路、葉っぱ、構造物を分類することができます。

Amazon SageMaker Ground Truth のセマンティックセグメンテーション

イメージ

SageMaker Ground Truth は、画像分類、オブジェクト検出、セマンティックセグメンテーションなど、画像データのラベリングワークフローが組み込まれています。

画像の分類

画像の分類は、実世界の表現に基づいて画像を識別するプロセスです。このプロセスでは、事前に定義されたラベルのセットに対して画像を分類します。画像の分類は、シーンの検出など、画像の背景を考える必要があるモデルに最適です。例えば、他の車両、歩行者、信号機、標識などのさまざまな実世界のオブジェクトを検出するために、自律型走行車用の画像分類モデルを構築することができます。

Amazon SageMaker Ground Truth の画像分類

オブジェクトの検出

オブジェクト検出ワークフローを使用して、画像内の任意のオブジェクト (車両、歩行者、犬、猫など) を識別し、ラベル付けすることができます。ラベル付けタスクでは、画像内の任意の対象物の周囲に 2 次元 (2D) のバウンディングボックスを描画します。コンピュータビジョンのモデルは、境界ボックスにラベルが付けられた画像でトレーニングされており、ボックス内のピクセルが特定のラベルに対応していることを学習します。

Amazon SageMaker Ground Truth のオブジェクト検出

セマンティックセグメンテーション

セマンティックセグメンテーションワークフローを使用して、モデルが学習する必要のあるラベルに対応する画像の特定の部分に正確にラベルを付けることができます。個々のピクセルがラベル付けされるため、精度の高い学習データを得ることができます。例えば、画像内の車の不規則な形状は、セマンティックセグメンテーションで正確にとらえることができます。

Amazon SageMaker Ground Truth のセマンティックセグメンテーション

テキスト

SageMaker Ground Truth では、テキストの分類や名前付きエンティティの認識など、テキストデータのラベリングワークフローが組み込まれています。

テキストの分類

テキストの分類では、事前に定義された複数のラベルのいずれかにテキスト文字列を分類します。各ラベルへのテキストの分類は、自然言語処理 (NLP) モデルで製品の説明、映画のレビューなどのトピックや感情などを特定する際によく使用されます。

Amazon SageMaker Ground Truth のテキスト分類

名前付きエンティティ認識

名前付きエンティティ (NER) は、テキストデータから名前付きエンティティと呼ばれるフレーズを探し出し、「人」、「組織」、「ブランド」などのラベルを付けて分類します。 例えば、「最近 Amazon Prime に登録した」という文では、「Amazon Prime」が名前付きエンティティとなり、「ブランド」に分類されます。

Amazon SageMaker Ground Truth 名前付きエンティティ認識

カスタムワークフロー

Ground Truth では、自分だけのラベル付けワークフローを作成することができます。カスタムワークフローは、3 つのコンポーネントで構成されています。(1) ラベル付けタスクを完了するために必要なすべての指示とツールをラベル付け担当者に提供する UI テンプレート、(2) AWS Lambda 関数にカプセル化された前処理のロジック、(3) AWS Lambda 関数にカプセル化された後処理のロジックです。豊富な UI テンプレートが利用可能なほか、独自の Javascript/HTML テンプレートをアップロードすることも可能です。前処理の Lambda 関数は、ラベル付けされるデータを提供し、ラベル付け担当者のための任意の追加のコンテキストを追加することができ、後処理の Lambda 関数は、精度向上アルゴリズムを挿入するために使用することができます。このアルゴリズムは、人が行った注釈の品質を評価したり、同じデータが複数のラベル付け担当者に提供された場合に、何が「正しい」かについてのコンセンサスを見つけることができます。SageMaker Ground Truth コンソールを使用して、3 つのコンポーネントをすべてアップロードすることができます。

Ground Truth でカスタムワークフローを作成する

人材

SageMaker Ground Truth は、(1) 自社の従業員、(2) AWS Marketplace で利用可能なサードパーティのデータラベル付けサービスプロバイダー、(3) Amazon Mechanical Turk を利用したクラウドソーシング型の人材などの、データのラベル付けを行うための人的リソースの選択肢を複数サポートしています。

Mechanical Turk
Mechanical Turk
プライベート
プライベート
ベンダー
ベンダー
Amazon SageMaker Ground Truth の料金
Amazon SageMaker Ground Truth の料金の詳細を確認する

Amazon SageMaker Ground Truth の使用を開始するために、前払いの義務や長期契約はありません。

詳細 
AWS アカウントにサインアップする
無料のアカウントにサインアップする

AWS 無料利用枠にすぐにアクセスできます。 

サインアップ 
コンソールで構築を開始する
コンソールで構築を開始する

AWS マネジメントコンソールから Amazon SageMaker Ground Truth を使った構築を開始しましょう。

サインイン