プロジェクト概要
ソースには港湾・門型クレーン関連画像と、forklift、cone、bollard、personの4クラス一覧が含まれていました。一方、検出ボックスやマスクはありませんでした。モデル学習を決定する前に、天候、照明、カメラ劣化、物体表現、文書レビューを確認できる管理されたデモセットが必要でした。
納品目的
ソース由来の画像拡張と生成ビジュアルを分離し、追跡可能なパッケージを構築しました。各変換画像にシナリオ、ソース、シード、パラメータを記録しています。目的はデータ計画とレビューであり、モデル精度の証明やアノテーション済み本番データの提供ではありません。
実装フロー
ソース管理、再現可能な画像処理、生成シーン、定量ファイル確認、目視レビューを一つの手順にまとめました。
- 01
ソースを監査
画像、寸法、クラス定義、アノテーション形式を棚卸しし、クラス一覧のみでボックスとマスクがないことを記録しました。
- 02
使用可能なソースを管理
ファイル名とコンタクトシートを確認し、無関係な外部道路画像を除外して、承認済み港湾・ヤード画像から再生成しました。
- 03
8つの負荷条件を生成
晴天、夜間ヤード、雨天カメラ、霧・もや、夕方逆光、モーションブラー、前景遮蔽、監視映像圧縮について、各6点の1280 x 720画像を作成しました。
- 04
クラス別シーンを生成
crane、container、cone、forkliftについて各10点を生成し、ソース由来の拡張画像とは分離しました。
- 05
姿勢と背景を確認
道路縁石での傾き、建設現場での傾き、工場でのヨー・傾きの3例を作成しました。
- 06
証跡と資料を整理
メタデータ、品質サマリー、2枚のコンタクトシート、代表画像16点を含む19ページの顧客向け資料を作成しました。
納品内容
- 再現可能な生成スクリプト
- 8条件をパラメータ化し、固定シードと出力メタデータを持つ処理スクリプト。
- 48点の拡張セット
- 8シナリオ、各6点の1280 x 720 JPG、出力ごとのメタデータ1行。
- クラス別生成画像40点
- crane、container、cone、forkliftを各10点。ソース由来画像とは別管理。
- 姿勢・背景例
- 物体の向き、構図、環境差を確認する生成例3点。
- 顧客向け資料
- 代表画像16点、範囲、利用上の境界を含む19ページのDOCXとPDF。
確認済み証跡
以下はファイル、メタデータ、文書の確認結果であり、モデル性能指標ではありません。
ソース監査
4クラス名、ボックス・マスクなし。画像レベルのシミュレーションと計画は可能ですが、追加アノテーションなしの教師あり検出学習には使えません。
拡張出力
8シナリオ、1280 x 720 JPG 48点。各シナリオ6点で、ソース、シナリオ、シード、変換パラメータを記録しています。
品質確認
エラー、不明行、外部ソース、低情報候補、近似重複ペアはいずれも0件。明るさは39.4～137.5、標準偏差は15.5～62.6でした。
生成レビュー素材
クラス画像40点、姿勢・背景例3点、代表画像16点を含む19ページ。件数と文書構成の確認であり、ラベル品質やモデル適合性の証明ではありません。
実施した検証
- 拡張画像48点がすべて開き、1280 x 720であることを確認しました。
- メタデータは48行で、8シナリオに各6出力が割り当てられていました。
- ソース除外後に2枚のコンタクトシートを確認し、無関係な外部道路画像が残っていないことを確認しました。
- 生成画像40点と姿勢・背景例3点を開いて件数を確認しました。ラベル精度・モデル精度は検証していません。
利用範囲と証拠の境界
本事例が示すのは、データ監査、画像拡張、生成ビジュアル、メタデータ、品質確認、顧客資料です。ソースがアノテーション可能な完成状態であること、生成画像が検証済み学習ラベルであること、検出器が特定のprecision、recall、mAPを達成したことは示していません。モデル開発前に、アノテーション、学習・検証分割、実環境代表性、クラスバランス、アノテーションQA、指標ベースの受入条件が必要です。