アノテーションとは

アノテーションは、データに「これは何か」を書き込む作業です。もとの英語のannotationは「注釈を付けること」を意味します。機械学習、とくに教師あり学習では、入力データと正解の組を大量に用意する必要があります。その正解を作る作業がアノテーションです。

タスクごとの例

• 画像分類：画像1枚ごとに「犬」「猫」などのラベルを付けます。
• 物体検出：写っている物体を矩形（バウンディングボックス）で囲み、カテゴリ名を付けます。
• セグメンテーション：画素ごとに、どのカテゴリに属するかを塗り分けます。
• 自然言語処理：文ごとに感情のラベルを付けたり、人名や地名に印を付けたりします。
• 音声認識：音声に、話している内容の文字起こしを付けます。

同じ画像でも、1枚に1つのラベルを付ける分類より、画素ごとに塗り分けるセグメンテーションのほうが、はるかに手間がかかります。

ラベルの品質がモデルの質を左右する

モデルはラベルを正解として学ぶので、ラベルの誤りや基準のばらつきは、そのままモデルの誤りにつながります。評価用データのラベルが不正確だと、性能を正しく測ることもできません。広く使われている公開データセットでも、ラベルの誤りが見つかっています。

品質を保つために、判断の基準と迷いやすい例を作業手順書にまとめます。また、同じデータを複数人でラベル付けし、偶然の一致を差し引いた一致度（コーエンのカッパ係数など）で、基準がそろっているかを確かめます。医療画像のように専門知識が要る分野では、専門家の関与が欠かせません。

コストと関連する手法

アノテーションは人手がかかり、AI開発の費用と期間の大きな部分を占めることがあります。専門の業者やクラウドソーシングに依頼することも多くあります。ラベルのないデータも生かす半教師あり学習や自己教師あり学習は、アノテーションの負担を減らす方向の工夫です。