まずは、既存の画像データにアノテーションを付与します。データ量が多いと、アノテーションに大変手間が掛かってしまうことが多いので、こちらのステップでは高性能なツールを活用したり、アノテーションサービスに外注するなど、ご検討ください。前処理済の画像データセットが準備されましたら、そちらを解析し、次に画像セグメンテーションのネットワークを作成します。画像を画素カテゴリに分類するため、ネットワークに学習させ、他の機械学習プロセスと同様、ネットワークの精度を評価します。

画像セグメンテーションは、完全畳み込みネットワークという、全ての層が畳み込み層であるモデルによって実現されます。画像セグメンテーションの手法について詳しくは、こちらの動画も御覧ください。

当社は拡張現実（AR）ゲームやモバイルアプリで利用される顔認識や動作予測のために、ランドマークアノテーション（キーポイントアノテーション）を提供しています。 多くの拡張現実（AR）ゲームやアプリは、顔や表情を正確に認識して追跡できるコンピュータビジョンモデルを必要とします。当社は多種多様な顔画像を収集し、顔追跡や感情検出に必要なキーポイントを付与することができます。また、体の部位のアノテーションや動作予測に役立つ体全体の画像のランドマークアノテーションも提供しています。

画像セグメンテーション向けのデータセットやアノテーションサービスを提供し、AI研究開発を支援しています。