明日には、AIが動く。
短期間で、精密な画像データセットを大量生成する
データセット生成ソリューション「Dataset Generator」
100,000枚の精密な画像データセットを
約１時間で生成し、開発工数を大幅カット。
AI開発を加速させます。
2営業日以内に返信致します
※条件によって異なります
About とは
Dataset Generator（データセットジェネレーター）とは、
3Dシミュレーションや2Dコラージュを利用した
画像データセットの生成ソリューションです。
Problem
画像処理AIを開発するために、
データセットが必要だ…
そんな時、このような
お悩みはありませんか？
- 教師データを作成するための人がいない
- そもそも大量の画像を用意することができない
- データセットの作成を外注するだけの予算がない
- 開発に割ける人もお金も足らない
が これらの悩みを解決します。
Features ５つの特徴
Feature. 01
AIを学習させるための
大容量の画像データセットを
短期間で納品できます
人手の500倍以上の処理速度で教師データを作成できるので、大容量の画像データセットをご依頼から3営業日以内で納品（10万枚の場合）可能。モデル開発をすぐに行いたい、というニーズに応えることができます。
Feature. 02
画像収集から教師データ作成までを含めて低予算でオーダーできます
納品後すぐにAIの学習が進められるデータセットをリーズナブルな費用でオーダーが可能です。イニシャルの開発コストを下げることができますので、外注費を削減したい企業様や、低コストで始めたいスタートアップなどにも最適です。
Feature. 03
シミュレータ上の位置情報を元にした
精密な教師データを提供します
バウンディングボックスやポリゴンのずれ、見逃しやラベル間違いというヒューマンエラーを回避することが可能。データセットの精度を気にすることなく、モデルの開発に専念できます。
Feature. 04
人海戦術と比較して
情報伝達コスト・情報漏洩リスクを抑えられます
画像収集や教師データ作成のためのマニュアル整備が必要なく、情報の歪みや共有漏れが発生しません。外部とのやりとりがなく1台のPCで完結するため、情報管理コストを低く抑えることができます。
Feature. 05
PoCや初期AI開発を
スキップさせることができます
データセットの精度保証のために学習済みのモックアップAIモデルを納品します。開発の指針策定やコアアルゴリズムのベースにお使いいただけるので、大幅な工数削減が期待できます。
Works 導入事例
九州工業大学 Hibikino-Musashi@Home様
食べ物や食器などの日用品を認識するためのデータセット
家やレストランで動くロボットが食べ物や食器を認識するためデータセットを作成しました。このデータセットを学習したAIをロボットに載せて，ロボットが競技する大会に出場した結果，日本大会やアジア大会，世界大会で成果を上げました。
詳しく見るFlow ご利用の流れ
Step.01
お問い合わせ
webサイトからお問い合わせいただきます。内容をお伺いし、対応の可不可ならびにスケジュールのご確認を致します。
Step.02
データご入稿
お客様の想定するAIの運用状況やカメラのスペックをお伺いし、3Dオブジェクトデータをご入稿いただきます。
Step.03
納品
画像データならびに、教師データ、モックアップAIモデル、モックアップ作成時の学習経過ログをご納品いたします。
Step.04
再オーダー
再オーダーいただければ、追加で納品時とは別のデータを作成して納品いたします。※再オーダーは一度まで。別途条件があります。
FAQ よくあるご質問
物体認識（オブジェクトディテクション，Object Detection），領域認識（セマンティックセグメンテーション，Semantic Segmentation）を取り扱っています．物体認識は，画像の中で物体がどこにあるかを四角（バウンディングボックス）で囲ったものです．領域認識は，画像を外周をなぞった領域（ポリゴン）ごとに塗り分けるものです．
3Dオブジェクトと3Dシミュレーターを使って画像を生成するサービスです．
物体のバウンディングボックスやポリゴンを切り出して，全く関係のない他の画像に合成するサービスです．
※こちらはベースの教師データが必要になります．
要相談です．
画像のサイズにもよりますが，例えばiPhoneのメインカメラサイズ(3024×4032)であれば1万枚，VGAサイズ(640×480)であれば10万枚までオーダー可能です．
1枚から可能です．ただし，1枚だと費用対効果が得られない気がします．例えば2クラスであれば，1000枚程度で試してみてはいかがでしょう？
データの水増し・かさましは元のデータを加工することでデータを増やします．このサービスでは元となるデータを大量に作成します．このサービスで作成したデータをさらに既存の水増し・かさまし技術で増やすことができます．
物体認識では，COCO形式あるいは，YOLO形式の教師データを作成可能です．領域認識では，セグメンテーションマスクあるいは，YOLO形式の教師データを作成可能です．
3Dオブジェクト，AIの運用状況，カメラのスペックが同じとしてお答えします．同じ画像について物体認識と領域認識の教師データを作成する場合と，物体認識と領域認識で別々の画像と教師データを生成する場合で金額が変わります．
現場の状況に応じたテストデータは作成しません．モックアップAIでは生成したデータを学習用と検証用にわけて学習させます．
カメラに物体がどう映っているのかをお答えいただいています．
内容としては，カメラと被写体の距離，被写体をどの角度で映すのか，明るさなどです．
お手元に撮影したデータがあるのであれば，それをサンプルとしていただけるとありがたいです．
拡張子がobj，mtl，jpgになっている3Dモデルを構築するデータ一式です．
- obj：メインのデータ，頂点や法線情報などの素体形状の情報を持っている
- mtl：objが参照するデータ，モデル色やテクスチャなどの外皮の情報を持っている
- jpg：mtlが参照するオブジェクトのテクスチャの情報
要相談です．
場合によってはスキャン対応・類似物の調査などをさせていただきますが，こちらでスキャン対応した場合のクオリティは保証できません．
また，スキャンの部分だけ外注ということもあります．
画角と解像度をお聞きしています．
| 種類 | 画角（FOV） | 解像度 | 解像度の名称 |
|---|---|---|---|
| logicool C615n HD | 78 | 1920×1080 | フルHD |
| iPhone11 メインカメラ | 70 | 3024×4032 | 特になし |
| Xtion | 80 | 640×480 | VGA |
※画角は視野角，FOVなどと表現されることもあります．
作成したデータセットを使って物体認識・領域認識AIを学習させたものです．
AIのモデルはYOLOv7を使います．
※モデルは変更されることがあります．
例えばこのような場合を検討させていただきます．
- 使用するカメラは合っているが，カメラのスペックが間違っていた
- オブジェクトのテクスチャデータがなかったなど入稿物に漏れがあった
- 全て同じ画像だったなど納品物にエラーがあった
別途ご相談いただければ検討いたします．
基本的にオーダーの前提が崩れる場合はお引き受けできないことがあります．
例えばこのような場合は対象外とさせていただきます．
- もっと精度を上げたいのでデータ量を増強したい
- オブジェクトを追加したいので再オーダーしたい
- オブジェクトが変わったので，それを差し替えたい