4.3) ラベル付けのポイント

ラベル付けのポイントを、猫の画像を例に用いて紹介していきます。

良いラベル付け

ラベル付けは、検出したい対象によって囲むべき領域(バウンディングボックス)が変わります。 例えば、猫自体を検出したい場合は、次の画像のように猫全体を囲む必要があります。

../_images/43_1_labelexsample1.png

もし、猫の顔のみを検出したい場合には、猫の顔だけをバウンティングボックスで囲む必要があります。

../_images/43_2_labelexsample2.png

悪いラベル付け

猫自体を検出したいにも関わらず、画像のように猫の体の一部分しか囲まれていないと、 モデルが猫の特徴を上手く学習できず、検出精度が落ちてしまいます。

../_images/43_3_labelexsample3.png
../_images/43_4_labelexsample4.png

また、バウンティングボックス内に余分な背景が含まれると、検出精度が落ちてしまうため、 余分な部分は出来る限り少なくすることでも精度が向上します。

../_images/43_5_label_exsample5.png