日本語の画像・動画・文書アノテーション

はい。帳票の手書き記入、住所、氏名、自由記述のコメントに対応します。手書きは印字より時間がかかり、実際に曖昧さの発生率も高いため、推測せずに不確かな文字にはマークを付けます。また、判読できない項目を最善の推定で書き起こすのか、判読不能としてフラグを立てるのかを事前に合意します。この判断は、生の正解率の数値よりモデルにとって重要です。

はい。CVAT、Label Studio、SageMaker Ground Truth、Labelbox、社内ツールなど、お客様にご用意いただいたプラットフォーム上で作業します。アカウントを発行せずに進めたい場合は、当社のセキュアな環境でも対応します。どのツールを使うかで、ガイドラインもレビュー工程も変わりません。

はい。大量の検出作業では、たいていそれが妥当な進め方です。リスクは、修正工程がモデルの死角をそのまま引き継ぐことです。そのため修正工程をゼロからのサンプルと突き合わせて計測し、実際に何を拾えているかをお伝えします。日本語文書のOCRについては、より慎重に扱います。全角文字と縦書きに関するモデルの誤りは、画面上で見落としやすいからです。

NDAとデータ処理契約のもと、隔離環境で、プロジェクトに参加している人だけにアクセスを限定して扱います。マスキングのために個人情報をアノテーションすることも、お客様側でマスキング済みの資料だけを扱うこともできます。保持と削除の条件は、社内方針に委ねるのではなく契約で合意します。

日本語の文書では、2024年ではなく 令和6年 のように和暦がよく使われ、同じページに両方が混在することも多くあります。当社は和暦の日付を独立したフィールドとして扱い、元の文字列をそのまま保持したうえで、必要に応じて西暦に正規化した値を併記します。変換で情報が失われることも、変換誤りがデータに焼き付くこともありません。