
お手本になるBBoxを作る
代表画像に、対象を切らず背景を入れすぎないBBoxを作ります。
AnnoBoost|BBox・物体検出向け
同じ対象が続く画像なら、少量の正しいBBoxから学習し、残りへ候補をまとめて付けられます。あとは抜けやズレを人が直して、YOLO / COCO / VOCへ。
手動5,000枚換算の予備比較時間内訳と注意点を見る約18時間約6時間人の作業 66.4%減特定条件での予備検証です。画像・設定・GPUなどで結果は変わり、削減を保証するものではありません。時間内訳と注意点を見る14日間・カード不要・自動課金なし
アカウント作成 → メール認証 → 期間確認 → 開始

手作業との違い
お手本になるBBoxを作る。PCで学習する。未確認の画像へ候補を付ける。候補には間違いがあるので、最後は人が確認して仕上げます。

代表画像に、対象を切らず背景を入れすぎないBBoxを作ります。

学習したモデルで、残りの画像にBBox候補をまとめて作ります。

抜け、誤検出、クラス違い、重複、位置・サイズを見直して出力します。
手動5,000枚換算の予備比較
同じ対象を含む画像で、手動作業の5,000枚換算とAnnoBoostを使った流れを比較した予備検証です。
手動だけで行う場合
約18時間
AnnoBoostでの人の作業
約6時間
人の作業時間 66.4%減
待ち時間込み 62.7%減
特定条件で行った予備検証です。画像、クラス数、対象密度、最初に作るBBoxの品質、GPU、設定によって結果は変わります。一般的な平均値や削減保証ではありません。
最初は少量の実データで8ステップを一度通すと、候補の確認が手描きより早いかを判断できます。
01–02
無料体験を始めて画像を開く
Webサイトで無料体験を開始し、Windows版をダウンロードします。起動後にアカウントでサインインします。
ラベルを付ける画像を読み込み、今回の対象クラスを決めます。
03–06
BBoxを教えてPCで学習する
代表画像に、学習の基準になるBBoxを丁寧に作ります。
必要に応じて水増しを設定し、学習用データをまとめます。
対応NVIDIA GPUを使い、対象を検出するモデルをPC内で学習します。
学習したモデルを使って、未確認の画像にBBox候補を付けます。
07–08
人が直して必要な形式へ
抜け、誤検出、クラス、重複、位置とサイズを画像ごとに確認します。
確認済みデータをYOLO / COCO / VOC形式で書き出します。
向いている画像・必要な環境
なりません。抜け、誤検出、クラス、重複、位置・サイズを人が確認し、必要な箇所を直してから確定します。
学習と候補生成では、画像・ラベル・モデルを基本的にPC内で扱います。サインインやライセンス確認など、一部にWeb通信があります。
学習と候補生成には、対応するNVIDIA GPUが必要です。
確認済みのBBoxデータをYOLO / COCO / VOC形式へ出力できます。
少量の実データで、BBox作成から候補の確認、形式出力まで試せます。候補が完璧かではなく、確認・修正が手描きより早いかを見てください。