1．は　じ　め　に

　近年，一般物体認識，物体姿勢推定，セマンティックセグメンテーション等の画像を用いた多くのパターン認識タスクにおいて，高精度化が著しい．その要因の一つとして，データセットの大規模化が挙げられる．画像識別の標準的なベンチマークデータセットであるImageNet⁽¹⁾では英語の概念辞書であるWORDNET⁽²⁾から抽出した21,841 synsets（同義語のグループ）に対する1,400万枚の画像（本稿執筆時点，以下同様）が含まれ，MSCOCO⁽³⁾では32万8,000枚の画像データに含まれる91種類，200万個の物体に対して，物体の方形領域（Bounding Box, BBox）やセグメンテーションマスク情報のアノテーションが行われている．また，本稿執筆時の最新版であるOpen Image Dataset V6⁽⁴⁾では，190万枚の画像に含まれる600種の物体に対する1,460万個のBBoxのほか，同一画像内に写る全1,466種330万個の物体間の関係性情報や350種280万個の物体に対するセグメンテーションマスク情報，19,957種の物体に対する599万枚の画像に対する識別ラベルなどが付与されている．

　また，近年のパターン認識の研究活動として，新しい課題設定や問題提起を行うために，データセットを作成して論文などの形式で公開するという流れも多く見られる．研究テーマの問題提起としてデータセットを集めるということは，研究活動を行う上で重要なアプローチの一つとなっている（表1）．

　学術研究以外でも，事業会社における研究開発現場においては，サービスやプロダクトにユニークな課題に対してアプローチする必要があり，特定の環境下でのデータ収集及び教師データの作成が重要となる．本稿では，こういったデータセットを作る上での検討ポイント（2．）や事業会社でのデータセット作成・活用事例（3．，4．）及び学術研究機関でのデータセット作成事例（5．）を紹介する．