VWU.AI · 公開日

ドライバーの眠気データセット:購入前にラベルを定義する

日本語版:2026年11月9日。原文の公開日と出典は本文に記載しています。

ドライバーの眠気データセット:購入前にラベルを定義する — 見える動作 → 不明区間 → 動画の端
独自の概念図です。実測データではありません。各工程の証拠を確認してからデータを拡張します。

ドライバーの眠気データセットでは、ラベルの意味、取得方法、対象時間区間を明確にする必要があります。本数を比較する前に、ここから確認しましょう。閉眼が映る動画、あくびを演じた動画、眠気を独立した方法で評価した記録では、答えられる学習上の問いが異なります。

本ガイドは、アルゴリズム担当者と調達担当者が、ドライバー監視システム(DMS)向けデータの仕様を定めるためのものです。観察可能な出来事、時間境界、サンプル検収を扱います。調達全体の流れは、 DMS・OMS学習データ調達チェックリストをご覧ください。以下の例は架空の仕様検討であり、顧客データや医学的なしきい値ではありません。

要点

予測対象と目に見える証拠を分ける

モデルの出力を1文で説明します。「見える閉眼区間を特定する」はイベントラベルのタスクです。「移動時間窓で眠気を推定する」には、状態の定義と参照ラベルを裏付ける証拠が必要です。前者を黙って後者に置き換えてはいけません。

原典の OrtegaらによるDMD論文(2020年)は、台本に基づく撮影手順を説明しています。眠気に関する素材では、まぶたを細める、一定時間閉眼する、あくびをする、うなずくなどの行動を参加者に演じてもらっています。この手順はデータの解釈に有用ですが、目に見える各手掛かりが生理的な眠気の独立測定になるわけではありません。

演技による行動、観察者ラベル、参加者の自己報告、実際に利用可能な同期測定を区別するよう供給者に求めます。不足する証拠は明示します。特定の参照方法が必要なら発注前に確認し、動画供給者が生理計測まで提供すると仮定しないでください。

想定する対象 ラベル付け前に必要な定義 黙って代用してはいけない証拠
閉眼イベント どの可視眼状態を開始・終了とするか 動画全体の「眠い」ラベル
あくびイベント どの口の動きで発話と区別するか 単に口が開いている状態
頭のうなずき どの動きと復帰パターンが該当するか 下を向いた単一フレーム
眠気の状態 どの参照方法と観察窓で定めるか 演じた表情の集合

時間軸と不明状態を指定する

最初と最後の該当フレーム、短い中断、可視性の喪失をどう扱うか、ラベルガイドに記します。開始を含み終了を含まない区間などの規約を選び、ミリ秒かフレーム番号かを明示します。変換規則と元の時間基準も含めます。

可変フレームレート動画では、フレーム番号だけで経過時間を正確に示せません。読み取り処理で使う対応表が必要です。再エンコードやフレーム削除があっても、納品動画とラベルの整合を保ち、モデルが使用する実ファイルで試験します。

「不明」を意味のある状態として扱います。サングラス、手の遮蔽、動体ぼけ、画面外の顔では眼状態を判断できない場合があります。不明区間を記録すれば制限を残せます。すべてを開眼・閉眼とすると、映像が支持しない主張になります。

移動窓の予測では、不明時間を含む窓の扱いを定義します。時間比率の分母も指定してください。可視眼時間だけを分母にする比率と、窓全体を分母にする比率では問いが異なります。結果を見てから選ばず、必要な最小観察量とともに文書化します。

制作前に境界事例を確認する

架空の6秒動画を考えます。タスクは目視できる閉眼であり、眠気の診断ではありません。両眼の閉眼が2.4〜3.1秒に見え、3.1〜3.5秒は手で隠れます。その後5.7秒に閉眼し、動画の終端まで続きます。

観察不能になった時点で可視状態の区間を終えるルールなら、最初のイベントは3.1秒で終わり、不明区間が続きます。最後のイベントは開始を観測できますが、本当の終了は見えません。記録は動画端で切り、右打ち切りフラグを付けます。動作が正確に6秒で終わったとは記さないでください。

{
  "clip_id": "hypothetical-eye-closure-01",
  "time_unit": "milliseconds",
  "interval_convention": "start_inclusive_end_exclusive",
  "events": [
    {"label": "eyes_closed_visible", "start": 2400, "end": 3100},
    {"label": "eye_state_unknown", "start": 3100, "end": 3500},
    {"label": "eyes_closed_visible", "start": 5700, "end": 6000,
     "right_censored": true}
  ]
}

数値は記録方法の説明で、推奨する疲労しきい値ではありません。遮蔽の扱いは案件によって異なります。重要なのは、監査できる証拠と、一貫して適用する文書ルールです。

ドライバーの眠気データセット:購入前にラベルを定義する — 見える動作 → 不明区間 → 動画の端
独自の概念図です。実測データではありません。各工程の証拠を確認してからデータを拡張します。

正例と一緒に文脈と反例を調達する

各イベントの前後映像も含め、遷移と持続状態を区別できるようにします。静止画で閉眼は見えても継続時間は分かりません。極端に短い正例だけでは、検出器が対面する通常行動の文脈も失われます。

通常のまばたき、発話、うつむき、頭部回転、眼鏡、顔の部分可視、照明変化など、想定カメラに重要な条件のレビュー表を作ります。これらは判断すべき違いで、普遍的な負例ではありません。通常のまばたきは閉眼検出なら正例でも、別定義の長時間閉眼なら負例になり得ます。

各サンプルの収集・生成元と条件を確認します。グレースケール化だけでは近赤外センサーとの同等性は証明できません。別の撮像方式で運用するなら、その違いをサンプル評価に含めます。 公開中の車内動画例 は視覚要件の相談に使えますが、タスク固有の参照ラベルの代わりにはなりません。

既知の人物や記録から評価を独立させる

動画を分割する前に汎化の問いを定めます。新しい人物への対応を測るなら、その人物のサンプルが学習・評価の境界をまたがないようにします。同じ記録の関連窓もまとめて扱います。

scikit-learnのグループ交差検証ドキュメント は、同じ被験者の繰り返しサンプルにグループ単位の評価が必要な理由を説明しています。関係する記録元や生成バリエーションにも適用し、ファイル名を混ぜるだけで済ませないようにします。

グループ規則を保存し、重複レポートを確認します。人物共有と記録元共有など複数の関係を分離する場合、つながるサンプルをまとめて処理します。最終判断用の評価セットを残し、データの選択に繰り返し使わないようにします。

購入側が再現できる証拠で試行を検収する

発注を拡大する前に、代表的な試行データを実際の読み取り処理と確認画面へ通します。指定時刻が意図するフレームに当たるかを確認します。共通の一部を独立にラベル付けし、相違を議論し、ルール版を更新してから本格展開します。

試行の検収記録には次を含めます:

デモモデルのスコアだけで採否を決めないでください。データ適合とモデル性能は別の判断です。評価には、関連性のある未使用データ、選択した指標、文書化した警報方針も必要です。

VWU.AIのデータ要件フォーム から、不足行動、カメラ条件、想定検収試験をご相談ください。制作範囲の合意前に、サンプルの実現可能性と利用可能なラベル証拠を確認します。

編集注記

英語原文は2026年10月29日にVWU.AIが公開。本ガイドは公開研究を整理した仕様上の推奨事項で、独自実験、顧客成果、認証結果を報告するものではありません。参照元はレビュー時に確認しました。訂正のご連絡先: chan@vwu.aiとしてご相談ください。