SageMaker Ground Truth：高品質なラベルを維持する仕組み

要件

• 分析会社は Amazon SageMaker Ground Truth を使用し、画像や動画に人間がラベルを付与。
• しかし、一部の作業者が誤って不正確なラベルを付けてしまうことがある。
• 会社としては、自動化された方法で高品質なラベルを継続的に取得したい。

正解（推奨機能）

• 注釈インターフェイスのベストプラクティス（Annotation Interface Best Practices）

解説

• SageMaker Ground Truth では、作業者が付けたラベルを自動的に検証・統合するための機能がある。
• 特に「注釈インターフェイスのベストプラクティス」では、
  • 重複ラベリング（複数の作業者に同一タスクを割り当て）
  • 自動コンセンサス（多数決などで最も信頼性の高いラベルを採用）
  • 品質フィルタリング（低精度な作業者の除外）
    が自動的に行われる。
• これにより、人為的な誤りを補正しつつ、高精度な教師データを継続的に生成できる。

他の選択肢が不適な理由

• ラベルの検証と調整：人工的な再確認プロセスを指すが、自動化機構としては不十分。
• ラベル付けタスクのバッチ：単にタスクの一括処理であり、品質維持には寄与しない。
• ラベル付けジョブの連鎖（チェーン化）：複数工程を順に行う仕組みで、品質担保とは別の目的。

試験ポイント（覚える語句）

用語	意味
Ground Truth	SageMakerのデータラベリングサービス。人間＋機械学習で効率化。
Annotation Consolidation	複数作業者のラベルを統合し、最も信頼度の高い結果を生成。
Active Learning	既存モデルが不確実なデータのみ人間が再ラベル化する仕組み。
注釈インターフェイスのベストプラクティス	自動検証とコンセンサス統合によるラベル品質向上。

まとめ

Ground Truth の 注釈インターフェイスのベストプラクティス を活用することで、
誤った人手ラベルを自動修正し、高品質な教師データを継続的に生成できる。