対象の非構造データ
車種、メーカーが不明な自動車の画像データ(約40万ファイル)
作成・更新・付与したい分類、カテゴリ
自社が利用している自動車カテゴリに各画像を自動で振り分け
導入の背景
自社が運営する自動車関連のネットメディアがあるが、そこで利用している画像ファイルの一部が、どういった車種、メーカーのものなのか、また、どういった自動車が掲載されているのかを特定するための情報が存在していなかった。そのため、利用にあたってはスタッフが目視で確認をして、写真に掲載されている車を特定して利用していたが、車に対する知識が必要とされる上、膨大な画像データの中から希望の車の写真を見つけ出すのに大変な時間がかかり、業務の中で負担の大きなものとなっていた。そこで、専門的な知識をもったスタッフに限りなく近い精度で、自動で写真に写っている自動車を判定することができるシステムなどの仕組みの導入を検討していた。
構造化内容
各メーカー、各車種、タイプ別の自動車画像をAIに学習させて判別。制作現場の専門スタッフがAIが提案してきた自動車画像の正解、不正解のフィードバックを行い、継続的な精度向上とスタッフの生産性を両立
最初に行ったのは優先度の高い車種、メーカーの大量の画像をAIに学習させ、最低限の精度の画像判定を実施。その判定結果をもとに、未定義だった画像のなかで、製作スタッフがもとめる画像と思われるものをAIが抽出して候補画像を一覧で提示。不正解なものはその一覧画面内でボタンを押して学習させていき、正解のものはそのまま利用するところからスタート。AIの精度向上には継続的な教師データのフィードバックが必要となるため、業務上、毎日、大量に使う画像検索機能の中に成否をフィードバックする機能を導入し、現場スタッフの生産性の向上と、AIの学習という2つを両立させていった。