執筆者：Handbook編集部
Vertex AI Labeling Tasksの概要について
概要
本記事では Google Cloud Platform （GCP）のフルマネージドな ML ワークフローをサポートしている Vertex AI の、ML データセットのラベリングを行う機能である Vertex AI Labeling Tasks の概要についてまとめます。
Vertex AI Labeling Tasks とは
Vertex AI Labeling Tasks とは Vertex AI で使用するデータセットのラベリングタスクを実施・管理する機能です。このサービスを利用することで、ラベリングされていない Vertex AI Datasets のデータに対してチームでラベリングタスクを振り分け、実施の管理をすることができます。
また、本来であればこのサービスは Google のラベリングチームに作業を依頼するサービスですが、現在コロナの関係で依頼が不可となっています。
メリット
- Vertex AI 上でラベリングを行うことができるため、他の機能を使用する際にスムーズである
- クセのないツールでラベリングタスクを実施することができる
- チームでラベリングタスクを分担し、進捗を確認できる
デメリット
- 扱えるデータ形式は画像、表形式、テキスト、動画の４つのみ
- 料金がかかる
- グループ管理画面が分かりにくく、使いにくい。挙動がおかしいところがある
- ラベリングタスク作成時やラベリングタスク完了後に謎のエラーが発生する
- タスク作成や進捗が反映されるまでに時間がかかる
- ラベリング作業を外部に依頼することもできるが、現在コロナの状況のため利用不可
料金
現在ラベリングを依頼することができないため、使用するならばカスタムラベラー機能を使用することになります。カスタムラベラー機能ではどのデータ形式でも、ラベラー 1 人ごとに 1000 データ単位で$80 となっています。
料金例
2500 枚の画像データに対し、Object Detection のラベリングを実施した場合、以下の通りとなります。
- 2500（枚） × $80（/1000 枚） × 133.72（USD/JPY） = 26,744（円）
使用方法
Labeling Tasks 作成手順
- Define labeling task
Labeling Task の定義情報を入力します。
- Name : Labeling Task 名を入力します。
- Dataset : ラベリングを行う対象の Dataset を選択します。
- Annotation set : ラベリングで生成するアノテーションファイル名を入力します。
- Use active learning : 部分的に人の手でラベリングを行い、残りを ML で自動的にラベリングする機能の有無を設定します。
- Encryption : 暗号化の方式を選択します。
- Set up labels
ラベルの定義を行います。 データセットのタスクの種類によって異なります。
- Object Detection の場合、対象のクラスに合わせて Others も入れておくことが推奨となっています。
- Set up instructions
ラベリング方法を説明した pdf を指定します。 ラベリングタスクを行うユーザーへの説明資料として配布されます。 cloud storage に配置していなければならず、そのパスをブラウズして入力します。
- Customize labelers
ラベリングタスクを行うユーザーを定義します。 Google-managed labelers に依頼することもできるようですが、コロナの関係で現在使用できません。
補足:インポートファイルの作成
手順 4 で大量のデータを PC よりインポートするのは時間がかかりすぎるため、インポートファイルを作成するのが現実的である。 インポートするデータのパスを示した jsonl ファイルを作成する。 作成方法は以下を参照。
Vertex AI で使用するトレーニング データを準備する
まとめ
- Vertex AI Datasets を使用することで Vertex AI でのワークフローで使用するデータセットの管理を行うことができる。
- データの形式やタスクは限定的である。
- データのインポートにはインポートファイルを作成する必要がある。
- 本来 Google のラベリングチームに作業を依頼するサービスとなっているが、現在はコロナのため依頼機能は停止となっている。
- カスタムラベラー機能を使用するときも料金が発生する。（1000 データにつき$80）