概要
小売テクノロジー企業はコンピュータービジョンプラットフォームを構築し、 Sourcefit と提携し、AIトレーニングデータセットの精度と一貫性を向上させました。このプラットフォームは店頭の棚画像を分析し、商品配置、在庫切れ状況、マーチャンダイジング上の問題を検出します。モデルの性能強化のため、クライアントは大量の正確にタグ付けされた画像と、信頼性の高い人間によるループ内品質保証プロセスを必要としていました。
Sourcefit 専用アノテーションプログラムをSourcefit 運用し、数千点に及ぶ棚画像の画像タグ付け、視覚的QAチェック、品質検証を処理しています。チームは透明性のあるコストプラスモデルのもと、一貫した精度、安定した処理能力、構造化された生産ワークフローで運営されています。
課題
- コンピュータビジョンモデルには、製品、棚、価格、および画像レベルの状態に関する高品質なアノテーションが必要でした。
- 大規模なトレーニングデータセットには、一貫した精度を維持できる拡張性のあるチームが必要だった。
- タグ付け標準作業手順書は詳細に定められており、正しいセグメンテーションとラベリングを確保するためにトレーニングが必要であった
- 画像レベルの課題（ぼけ、グレア、角度変更など）を特定する必要があった
- クライアントは、複雑な小売環境全体で精度を維持するために、信頼性の高い品質保証（QA）と校正を必要としていた。
アプローチ
Sourcefit 、クライアントのラベリングプラットフォームとビジュアル基準に基づき直接訓練を受けた、専用のアノテーションおよびQAチームをSourcefit 。このチームは、小売画像要件、タグ付け精度、ゴールドセット整合性に焦点を当てた体系的なトレーニングプログラムを通じて採用されました。
セットアップ中、Sourcefit：
- 製品レベルのタグ付けと棚セグメンテーションの調整を目的としたキャリブレーションセッションを実施した
- 小売業向けに詳細なバウンディングボックスおよびポリゴンアノテーションのための標準業務手順書（SOP）を確立した
- ゴールドセットに対するリアルタイム検証を備えた多層QAを実装
- 精度、スループット、およびエラー傾向に関する日々の報告を設定する
- 複雑な棚画像全体でタグ付けツールの一貫性を向上させるフィードバックループを構築した
現在、Sourcefit 画像タグ付けのエンドツーSourcefit 、画像レベルの品質チェック、QA検証Sourcefit 、クライアントはそれらの出力をコンピュータビジョンモデルのトレーニングと継続的改善に活用しています。
結果
- クライアントの95%精度基準を一貫して上回った
- 小売コンピュータビジョンワークフロー向け強化トレーニングデータセット品質
- 多様な店舗レイアウトと商品構成におけるタグ付けの一貫性の向上
- 安定した高ボリュームの画像アノテーションを提供し、毎日のQA検証を実施
- より高速で信頼性の高いモデルトレーニングサイクルを実現
要点
- 注釈の品質が性能を左右する：信頼性の高い棚監視コンピュータビジョンモデルを訓練するには、高精度な画像タグ付けが不可欠である。
- 明確な基準が一貫性を支える：詳細な標準作業手順書（SOP）、較正セッション、およびゴールドセット検証により、大規模かつ複雑な小売データセット全体でアノテーションの整合性が保たれる。
- スケーラブルなチームが成長を可能にする： 専用のアノテーションおよびQAチームにより 、クライアントは精度や処理能力を損なうことなくトレーニングデータの量を増やせる。
業界の学び
小売向けコンピュータビジョンシステムは、実環境での精度維持に強力なアノテーションと品質保証（QA）作業を必要とします。店舗、什器、照明条件によってカメラ映像が大きく異なるため、モデルの信頼性確保には詳細な人的レビューが不可欠です。本取り組みでは、構造化された画像タグ付けと人的ループ内検証が、小売AIプラットフォームの検出精度向上、ノイズ低減、トレーニングサイクルの加速にどのように寄与するかを示します。
さらに詳しく
Sourcefit AIおよびコンピュータビジョン企業に対し、拡張可能なアノテーション、QA、データ運用チームを提供します。
探求 WorkingAI 自動化とワークフロー支援のためのWorkingAI、および小売・テクノロジープラットフォームを支える顧客対応業務のためのSourceCX。
スケーラブルなアノテーションおよびデータラベリングソリューションについてご検討の際は、AIオペレーションチームまでお問い合わせください。
