FastLabelの開発部で機械学習エンジニアをしている海野です。機械学習のモデル性能に影響を与える要素の1つに「データの品質」があります。データの品質には、アノテーションの品質、ドメイン一致性、データの多様性など様々な観点があるなかで、本記事では「アノテーションの品質」について取り上げ、その重要性とともに、アノテーションの品質を担保する当社の取り組みについてお届けします。なぜアノテーションの品質が重要なのか機械学習において、アノテーションの品質はモデルの性能を大きく左右する重要な要素です。アノテーションは、モデルが学習すべき「正解」を示す教師データとして機能します。%3Cdiv%20class%3D%22point%20point3%22%3E%20%0A%3Cdiv%20class%3D%22title%22%3E%20%0A%3Cp%20class%3D%22txt%22%3E%E9%87%8D%E8%A6%81%E3%81%AA%E7%90%86%E7%94%B1%201%3C%2Fp%3E%20%0A%3Cp%20class%3D%22tit%22%3E%E3%83%A2%E3%83%87%E3%83%AB%E3%81%AE%E5%AD%A6%E7%BF%92%E7%B2%BE%E5%BA%A6%E3%81%AB%E7%9B%B4%E7%B5%90%E3%81%99%E3%82%8B%3C%2Fp%3E%3C%2Fdiv%3E%20%0A%3Cdiv%20class%3D%22desc%22%3E%20%0A%3Cp%20class%3D%22text%22%3E%E8%AA%A4%E3%81%A3%E3%81%9F%E3%82%A2%E3%83%8E%E3%83%86%E3%83%BC%E3%82%B7%E3%83%A7%E3%83%B3%E3%81%AF%E8%AA%A4%E5%AD%A6%E7%BF%92%E3%82%92%E6%8B%9B%E3%81%8D%E3%80%81%E4%BA%88%E6%B8%AC%E7%B2%BE%E5%BA%A6%E3%81%AE%E4%BD%8E%E4%B8%8B%E3%82%84%E8%AA%A4%E6%A4%9C%E5%87%BA%E3%82%92%E5%BC%95%E3%81%8D%E8%B5%B7%E3%81%93%E3%81%99%E3%80%82%0A%3C%2Fp%3E%3C%2Fdiv%3E%3C%2Fdiv%3E%20%0A%0A%3Cstyle%3E%20%0A.point%7B%20%0Abackground%3A%20%23FFFFFF%3B%20%0Aborder-radius%3A%208px%3B%20%0Aflex%3A%20none%3B%20%0Aheight%3A%20auto%3B%20%0Apadding%3A%2030px%3B%20%0Awidth%3A%20100%25%3B%20%0Amax-width%3A%20100%25%3B%20%0Abox-sizing%3A%20border-box%3B%20%0A%7D%20%0A.point%20.title%7B%20%0Adisplay%3A%20flex%3B%20%0Ajustify-content%3A%20flex-start%3B%20%0Aalign-items%3A%20flex-start%3B%20%0Amargin%3A%200px%200px%2015px%200px%3B%20%0Awidth%3A%20100%25%3B%20%0Amax-width%3A%20100%25%3B%20%0A%7D%20%0A.point%20p%7B%20%0Amargin%3A%200%3B%20%0Afont-size%3A%2017px%3B%20%0Aline-height%3A%201.79%3B%20%0Afont-weight%3A%20400%3B%20%0Afont-family%3A%20Lato%3B%20%0Acolor%3A%20%23333%3B%20%0A%7D%20%0A.point%20.txt%7B%20%0Amargin-right%3A%2010px%3B%20%0Abackground%3A%20%23535fff%3B%20%0Aborder-radius%3A%20100px%3B%20%0Afont-size%3A%2014px%3B%20%0Afont-weight%3A%20700%3B%20%0Aline-height%3A%201.4%3B%20%0Acolor%3A%20%23fff%3B%20%0Apadding%3A%202px%2015px%202px%2015px%3B%20%0Afont-family%3A%20system-ui%3B%20%0A%7D%20%0A.point%20.tit%7B%20%0Afont-size%3A%2018px%3B%20%0Afont-weight%3A%20700%3B%20%0Aline-height%3A%201.4%3B%20%0A%7D%20%0A.point1%7B%20%0Aborder%3A%201px%20solid%20%23535fff%3B%20%0A%7D%20%0A.point1%20.tit%7B%20%0Acolor%3A%20%23535fff%3B%20%0A%7D%20%0A.point2%7B%20%0Aborder%3A%201px%20solid%20%233fa9f5%3B%20%0A%7D%20%0A.point2%20.txt%7B%20%0Abackground%3A%20%233fa9f5%3B%20%0A%7D%20%0A.point3%7B%20%0Abackground%3A%20%23f6f9fc%3B%20%0A%7D%20%0A%40media%20screen%20and%20(max-width%3A%20540px)%20%7B%20%0A.point%20%7B%20%0Apadding%3A%2020px%3B%20%0A%7D%20%0A.point%20.title%7B%20%0Aflex-direction%3A%20row%3B%20%0Aflex-wrap%3A%20wrap%3B%20%0A%7D%20%0A.point%20.tit%7B%20%0Aflex%3A%200%200%20100%25%3B%20%0Amargin-top%3A%2015px%3B%20%0A%7D%20%0A%7D%20%0A%3C%2Fstyle%3E物体検出、セグメンテーション、音声認識などの様々なタスクにおいて、機械学習モデルは大量のアノテーション済みデータ（教師データ）を用いて、データの特徴を学習します。このため、アノテーションの品質が低く、誤ったアノテーションデータで訓練された機械学習モデルは誤った特徴を学習し、結果的に予測精度の低下や誤検出などモデルの性能低下を引き起こします。%3Cdiv%20class%3D%22point%20point3%22%3E%20%0A%3Cdiv%20class%3D%22title%22%3E%20%0A%3Cp%20class%3D%22txt%22%3E%E9%87%8D%E8%A6%81%E3%81%AA%E7%90%86%E7%94%B1%202%3C%2Fp%3E%20%0A%3Cp%20class%3D%22tit%22%3E%E6%80%A7%E8%83%BD%E8%A9%95%E4%BE%A1%E3%81%AE%E4%BF%A1%E9%A0%BC%E6%80%A7%E3%82%92%E5%B7%A6%E5%8F%B3%E3%81%99%E3%82%8B%3C%2Fp%3E%3C%2Fdiv%3E%20%0A%3Cdiv%20class%3D%22desc%22%3E%20%0A%3Cp%20class%3D%22text%22%3E%E8%A9%95%E4%BE%A1%E7%94%A8%E3%83%87%E3%83%BC%E3%82%BF%E3%81%AE%E3%82%A2%E3%83%8E%E3%83%86%E3%83%BC%E3%82%B7%E3%83%A7%E3%83%B3%E3%81%8C%E4%B8%8D%E6%AD%A3%E7%A2%BA%E3%81%A0%E3%81%A8%E3%80%81%E3%83%A2%E3%83%87%E3%83%AB%E3%81%AE%E6%80%A7%E8%83%BD%E3%82%92%E6%AD%A3%E3%81%97%E3%81%8F%E6%B8%AC%E5%AE%9A%E3%81%A7%E3%81%8D%E3%81%9A%E3%80%81%E8%AA%A4%E3%81%A3%E3%81%9F%E6%94%B9%E5%96%84%E6%96%B9%E9%87%9D%E3%82%92%E5%B0%8E%E3%81%8F%E3%80%82%0A%3C%2Fp%3E%3C%2Fdiv%3E%3C%2Fdiv%3E%20%0A%0A%3Cstyle%3E%20%0A.point%7B%20%0Abackground%3A%20%23FFFFFF%3B%20%0Aborder-radius%3A%208px%3B%20%0Aflex%3A%20none%3B%20%0Aheight%3A%20auto%3B%20%0Apadding%3A%2030px%3B%20%0Awidth%3A%20100%25%3B%20%0Amax-width%3A%20100%25%3B%20%0Abox-sizing%3A%20border-box%3B%20%0A%7D%20%0A.point%20.title%7B%20%0Adisplay%3A%20flex%3B%20%0Ajustify-content%3A%20flex-start%3B%20%0Aalign-items%3A%20flex-start%3B%20%0Amargin%3A%200px%200px%2015px%200px%3B%20%0Awidth%3A%20100%25%3B%20%0Amax-width%3A%20100%25%3B%20%0A%7D%20%0A.point%20p%7B%20%0Amargin%3A%200%3B%20%0Afont-size%3A%2017px%3B%20%0Aline-height%3A%201.79%3B%20%0Afont-weight%3A%20400%3B%20%0Afont-family%3A%20Lato%3B%20%0Acolor%3A%20%23333%3B%20%0A%7D%20%0A.point%20.txt%7B%20%0Amargin-right%3A%2010px%3B%20%0Abackground%3A%20%23535fff%3B%20%0Aborder-radius%3A%20100px%3B%20%0Afont-size%3A%2014px%3B%20%0Afont-weight%3A%20700%3B%20%0Aline-height%3A%201.4%3B%20%0Acolor%3A%20%23fff%3B%20%0Apadding%3A%202px%2015px%202px%2015px%3B%20%0Afont-family%3A%20system-ui%3B%20%0A%7D%20%0A.point%20.tit%7B%20%0Afont-size%3A%2018px%3B%20%0Afont-weight%3A%20700%3B%20%0Aline-height%3A%201.4%3B%20%0A%7D%20%0A.point1%7B%20%0Aborder%3A%201px%20solid%20%23535fff%3B%20%0A%7D%20%0A.point1%20.tit%7B%20%0Acolor%3A%20%23535fff%3B%20%0A%7D%20%0A.point2%7B%20%0Aborder%3A%201px%20solid%20%233fa9f5%3B%20%0A%7D%20%0A.point2%20.txt%7B%20%0Abackground%3A%20%233fa9f5%3B%20%0A%7D%20%0A.point3%7B%20%0Abackground%3A%20%23f6f9fc%3B%20%0A%7D%20%0A%40media%20screen%20and%20(max-width%3A%20540px)%20%7B%20%0A.point%20%7B%20%0Apadding%3A%2020px%3B%20%0A%7D%20%0A.point%20.title%7B%20%0Aflex-direction%3A%20row%3B%20%0Aflex-wrap%3A%20wrap%3B%20%0A%7D%20%0A.point%20.tit%7B%20%0Aflex%3A%200%200%20100%25%3B%20%0Amargin-top%3A%2015px%3B%20%0A%7D%20%0A%7D%20%0A%3C%2Fstyle%3Eまた、機械学習モデルを構築する際にはラベル付けされたデータを正としてモデルの性能を評価しますが、評価用データに誤ったアノテーションが付与されていた場合、モデルの性能を正しく評価することができず、誤った方針でモデルの改善に取り組むことがあります。現在、様々な分野で機械学習モデルは利用されており、特に医療・自動運転などの安全性の高い分野では、アノテーションの品質はモデルの信頼性に直結し、ビジネスや人命に関わる重大な結果を左右する場合もあります。このため、アノテーション作業は単なるモデル構築の前処理ではなく、モデルの基盤を構成する極めて重要な工程となります。精度の高いモデルを構築するには単にデータを集めるだけではなく、アノテーションの品質を担保できるような体制や仕組みを整えることが不可欠となります。アノテーションの品質を低下させる主な原因アノテーションの品質は機械学習モデルの性能や信頼性に直結する重要な要素です。一方で、アノテーションの品質は様々な理由によって低下するリスクがあり、その結果、モデルの性能低下や評価結果の不整合などの問題が発生してしまいます。以下にアノテーションの品質が低下する主な原因を4つ示します。1.アノテーションルールの曖昧さアノテーション品質のばらつきが発生する最も大きな原因の1つは、アノテーションルールの曖昧さです。ルールが十分に具体化されていない場合、作業者（アノテーター）間でアノテーションルールの解釈が異なり、同一データに対するアノテーションであっても、異なるラベルが付与される場合があります。例えば、物体検出するプロジェクトにおいて、画像上の犬を矩形で囲むというアノテーションルールがあったとします。そして、画像に2匹の犬が写っている場合にアノテーターごとに矩形の付け方が変わることがあります。あるアノテーターは犬1匹ごとに矩形を付与するかもしれませんし、別のアノテーターは1つの矩形で2匹の犬をアノテーションするかもしれません。このようにアノテーションルールの曖昧さはアノテーションの品質を不安定にさせます。 2.クラス定義の曖昧さ分類タスクでは、クラスの定義が明確でなければ、誤ったラベル付けが頻発します。例えば、アノテーション対象クラスに「歩行者」クラスがあるとします。そして、画像に道路工事で作業している人がいた場合に、あるアノテーターは「歩行者」としてアノテーションするかもしれませんし、あるアノテーターは「作業者は歩行者ではない」と判断してアノテーションをしないかもしれません。こうしたクラスの境界線が曖昧な状態でプロジェクトが始まった場合、プロジェクトの後半で一貫性のないアノテーション済みデータが大量に作成され、アノテーションの修正や再学習が必要となるリスクがあります。このため、プロジェクト開始前にドメイン知識を持つ人と具体的にクラスを定義することが重要です。3.アノテーションの一貫性アノテーションルールやクラス定義が具体化されたとしても、多種多様で大量のデータに対してアノテーション作業する場合においてはアノテーションの一貫性が失われることが多々あります。大規模なデータに対してアノテーションを施す場合、多数のアノテーターによるラベル付けが行われます。このような場合、アノテーションルールやクラス定義の認識を完璧に統一する難易度は非常に高く、どうしてもアノテーションの一貫性が低下することは避けられません。また、AIを活用した自動アノテーションを施した場合においても、AIが100%正確なアノテーションをする保証はありません。自動でアノテーションされた結果を確認する工程では現状、人間が介入して作業を進めるため、クラス間違いの修正や矩形のサイズ調整でも一貫性が失われることがあります。このため、事前にアノテーションルールやクラス定義を具体化することはもちろんのこと、アノテーションのレビュー体制や仕組みを整えることは大切です。4. 境界の不正確さ特に画像セグメンテーションや物体検出など、対象物の輪郭をトレースするタスクでは、境界の取り方が非常に重要です。対象物とのコントラストが弱い、形状が複雑、背景と重なっているなどの理由で、正確な境界を捉えるのが難しいケースも多くあります。また、マウス操作やツールの制約により、細かい部分を大雑把に処理してしまうこともあります。こうした境界の不正確さは、IoU（※）などの性能指標に悪影響を及ぼし、またモデルの誤検出の原因となります。このため高機能なツールの導入や、トレーニングによるアノテーターのスキル向上が対策として有効です。%3Cp%20class%3D%22highlight%22%3E%3Cspan%20class%3D%22highlight-blue%22%3E%E2%80%BBIoU%EF%BC%88Intersection%20over%20Union%EF%BC%89%3C%2Fspan%3E%3C%2Fp%3E%20%0A%3Cstyle%3E%20%0Ap%7Bmargin%3A%200%3B%7D%20%0A%0A.highlight-green%7B%20%0Abackground%3A%20linear-gradient(0deg%2C%2333fe39%2030%25%2Ctransparent%2050%25)%20%0A%7D%20%0A.highlight-blue%7B%20%0Abackground%3A%20linear-gradient(0deg%2C%23FFFB8C%2030%25%2Ctransparent%2050%25)%20%0A%7D%20%0A%3C%2Fstyle%3E%E7%89%A9%E4%BD%93%E6%A4%9C%E5%87%BA%E3%82%84%E3%82%BB%E3%82%B0%E3%83%A1%E3%83%B3%E3%83%86%E3%83%BC%E3%82%B7%E3%83%A7%E3%83%B3%E3%81%AA%E3%81%A9%E3%81%AE%E3%82%BF%E3%82%B9%E3%82%AF%E3%81%A7%E3%80%81%E4%BA%88%E6%B8%AC%E7%B5%90%E6%9E%9C%E3%81%A8%E6%AD%A3%E8%A7%A3%EF%BC%88%E3%82%A2%E3%83%8E%E3%83%86%E3%83%BC%E3%82%B7%E3%83%A7%E3%83%B3%EF%BC%89%E3%81%A8%E3%81%AE%E4%B8%80%E8%87%B4%E5%BA%A6%E3%82%92%E8%A9%95%E4%BE%A1%E3%81%99%E3%82%8B%E6%8C%87%E6%A8%99アノテーションの品質を担保するために - FastLabelでの取り組み事例これまで説明したとおり、アノテーションの品質は機械学習モデルの性能に直結します。アノテーション作業はデータに対してラベル付けをする単純作業に見えることもありますが、実際のアノテーション作業は様々な思考や判断が介入する負荷の高い作業で、中でもセマンティックセグメンテーションのような高精度を要求されるタスクでは、ピクセル単位での正確なラベル付けが求められ、わずかな定義の曖昧さがモデルの性能低下を招きます。このため、FastLabelではアノテーションを単なる「ラベル付け作業」ではなく、「高品質な学習用データの構築プロセス」と位置付け、さまざまな工夫を重ねています。ここでは、実際に私が担当したモデル開発プロジェクトを通じて、アノテーション品質を高めるために行った取り組みをご紹介します。プロジェクトの概要タスク種別セマンティックセグメンテーションセグメンテーション対象物機器の付着物の検出目的付着物の検出実現可能性を図る（PoC）プロジェクト期間3ヶ月付着物の特徴サイズ・色・形が多様、多様な背景と混在することも多いアノテーションの品質を担保するための取り組みアノテーション対象物体の明確な定義（言語化+可視化）「ゴツゴツ」や「濃い色」などの抽象的に表現された定義では、各プロジェクト関係者で解釈にばらつきが生じるため、以下の対応を行いました。ルールの文書化と見直し：対象となる付着物の特徴を言語で具体的に表現し、例外ケースへの対応も含めて文書化。ルールに修正が必要な場合は、都度ドキュメントをアップデート。画像リファレンスの活用：定義が難しい場合には「これは対象」「これは対象外」といった実際のアノテーション画像集を整備し、プロジェクト関係者の解釈性を向上。継続的な質疑応答：作業中に発生する疑問点に関しては、当社が提供する「FastLabel Data Factory」のプロダクトのコメント機能を活用し、定義を都度見直す運用を実施。この結果、クラス定義の曖昧さやアノテーションルールの曖昧さを解消し、アノテーションの品質が向上しました。専属の高スキルアノテーターによる作業体制の構築付着物の種類が多岐にわたり、アノテーション専属チーム内でもアノテーションルールやクラスに認識のブレが生じる恐れがあったため、本プロジェクトでは最初から以下のような方法でアノテーション作業を進めました。1人の専属アノテーターによる作業：アノテーション対象のデータ数を加味した上で、アノテーションの一貫性の担保を最優先とし、すべてのアノテーションを専属アノテーターが担当。アノテーター間の認識齟齬による手戻り発生リスクを低減。作業負荷と期間の調整：高負荷となることを想定し、作業期間やアノテーション作業量を事前に調整。この体制により、全体で一貫したアノテーションが保たれ、後工程での修正コストを最小限に抑えることができました。専門家によるレビュー酸化などの化学反応により検出対象の付着物の形状や色合いが複雑となり、プロジェクト開始当初のクラス定義書のみでアノテーションの判断を下すことが難しいケースが多々ありました。これに対し、以下の方針を取りました。クライアントによるレビュー：より専門性を持つクライアントによるレビューを通すことで、誤ったアノテーションに早期に対応。レビュー結果の反映（ドキュメント化）：専門家のレビューによって、より具体化されたアノテーションルールやクラス定義については、その都度ドキュメントをアップデートすることで、アノテーション方針をより具体化。この仕組みにより、アノテーションの判断が難しい画像に対しても正確なアノテーションが可能になり、特に難易度の高い境界の判断において品質向上が図れました。データ解析によるアノテーションの一貫性の分析と改善アノテーション完了後は、以下のプロセスでアノテーションの一貫性の分析および修正を実施しました。検出精度の低いデータの分析：モデルが特定の画像で極端に精度を落とすケースを抽出。アノテーションの再確認：上記ケースについてアノテーション内容を精査し、境界や定義にブレがある場合は修正。ルールのアップデート：新たに明らかになった曖昧さや例外に関してはドキュメントをアップデートし、次回以降の作業で活用。このようにアノテーション作業とモデルの学習/評価のフィードバックループにより、品質の継続的な向上を図りました。プロジェクトの成果と今後の展望プロジェクト開始前には、付着物の過検出および未検出が多発し、付着物を正確に識別できていませんでした。しかし、アノテーション対象の定義明確化一貫性あるアノテーション作業体制専門家の知見導入モデルによるアノテーションの分析といったアノテーション品質を担保する仕組みを取り入れてプロジェクトを進めた結果、最終的にはIoUをおよそ10ポイント程度改善し、商用化に向けて次のステップに進むための基礎を整えることができました。%3Cdiv%20class%3D%22ctwhite%22%3E%0A%09%3Cdiv%20class%3D%22ctwhite-content%22%3E%0A%09%09%3Ch3%3E%E6%95%B0%E7%99%BE%E7%A4%BE%E4%BB%A5%E4%B8%8A%E3%81%AE%E5%AE%9F%E7%B8%BE%E3%81%82%E3%82%8A%EF%BC%81%E9%AB%98%E5%93%81%E8%B3%AA%E3%81%AA%E6%95%99%E5%B8%AB%E3%83%87%E3%83%BC%E3%82%BF%E4%BD%9C%E6%88%90%E3%81%8C%E5%8F%AF%E8%83%BD%E3%81%AA%E3%82%A2%E3%83%8E%E3%83%86%E3%83%BC%E3%82%B7%E3%83%A7%E3%83%B3%E3%82%B5%E3%83%BC%E3%83%93%E3%82%B9%3C%2Fh3%3E%0A%09%09%3Cdiv%20class%3D%22ctwhite-content-main%22%3E%0A%09%09%09%3Cdiv%20class%3D%22ctwhite-content-left%22%3E%0A%09%09%09%09%3Cp%3E%E3%82%A2%E3%83%8E%E3%83%86%E3%83%BC%E3%82%B7%E3%83%A7%E3%83%B3%E3%81%AF%E3%80%81AI%E3%81%AE%E7%B2%BE%E5%BA%A6%E3%81%AB%E5%A4%A7%E3%81%8D%E3%81%AA%E5%BD%B1%E9%9F%BF%E3%82%92%E4%B8%8E%E3%81%88%E3%82%8B%E9%87%8D%E8%A6%81%E3%81%AA%E6%A5%AD%E5%8B%99%E3%81%A7%E3%81%99%E3%80%82%E3%81%97%E3%81%8B%E3%81%97%E3%81%9D%E3%81%AE%E4%B8%80%E6%96%B9%E3%81%A7%E3%80%81%E5%A4%A7%E9%87%8F%E3%81%AE%E6%95%99%E5%B8%AB%E3%83%87%E3%83%BC%E3%82%BF%E3%82%92%E5%BF%85%E8%A6%81%E3%81%A8%E3%81%99%E3%82%8B%E3%81%9F%E3%82%81%E3%80%81%E7%A4%BE%E5%86%85%E3%83%AA%E3%82%BD%E3%83%BC%E3%82%B9%E3%81%AE%E5%8D%81%E5%88%86%E3%81%AA%E7%A2%BA%E4%BF%9D%E3%81%8C%E5%87%BA%E6%9D%A5%E3%81%AA%E3%81%84...%E3%81%A8%E3%81%84%E3%81%A3%E3%81%9F%E8%AA%B2%E9%A1%8C%E3%82%92%E6%8A%B1%E3%81%88%E3%82%8B%E4%BC%81%E6%A5%AD%E3%82%82%E5%A4%9A%E3%81%84%E3%81%AE%E3%81%A7%E3%81%AF%E3%81%AA%E3%81%84%E3%81%A7%E3%81%97%E3%82%87%E3%81%86%E3%81%8B%E3%80%82%3Cbr%3E%3Cbr%3E%E3%82%82%E3%81%97%E3%82%82%E7%8F%BE%E5%9C%A8%E3%80%81%E3%81%9D%E3%81%AE%E3%82%88%E3%81%86%E3%81%AA%E3%81%8A%E5%9B%B0%E3%82%8A%E3%81%94%E3%81%A8%E3%81%8C%E3%81%82%E3%82%8A%E3%81%BE%E3%81%97%E3%81%9F%E3%82%89%E3%80%81%3Cstrong%3E%E3%80%8CFastLabel%E3%80%8D%E3%81%AE%E3%82%A2%E3%83%8E%E3%83%86%E3%83%BC%E3%82%B7%E3%83%A7%E3%83%B3%E3%82%B5%E3%83%BC%E3%83%93%E3%82%B9%3C%2Fstrong%3E%E3%82%92%E6%A4%9C%E8%A8%8E%E3%81%97%E3%81%A6%E3%81%BF%E3%81%BE%E3%81%9B%E3%82%93%E3%81%8B%E3%80%82%3C%2Fp%3E%0A%09%09%09%09%3Cul%3E%0A%09%09%09%09%09%3Cli%3E%E5%89%B5%E6%A5%AD%E4%BB%A5%E6%9D%A5%E5%9F%B9%E3%81%A3%E3%81%A6%E3%81%8D%E3%81%9F%E3%83%8E%E3%82%A6%E3%83%8F%E3%82%A6%E3%81%AB%E5%9F%BA%E3%81%A5%E3%81%8D%E3%80%81%E9%AB%98%E5%93%81%E8%B3%AA%E3%81%AA%E6%95%99%E5%B8%AB%E3%83%87%E3%83%BC%E3%82%BF%E3%82%92%E4%BD%9C%E6%88%90%3C%2Fli%3E%0A%09%09%09%09%09%3Cli%3E%E8%87%AA%E5%8B%95%E8%BB%8A%E3%80%81%E8%A3%BD%E9%80%A0%E3%80%81%E3%82%A8%E3%83%AC%E3%82%AF%E3%83%88%E3%83%AD%E3%83%8B%E3%82%AF%E3%82%B9%E3%80%81%E5%BB%BA%E8%A8%AD%E3%83%BB%E3%82%A4%E3%83%B3%E3%83%95%E3%83%A9%E3%80%81%E5%8C%BB%E7%99%82%E3%81%AA%E3%81%A9%E3%81%95%E3%81%BE%E3%81%96%E3%81%BE%E3%81%AA%E6%A5%AD%E7%95%8C%E3%81%A7%E3%80%81%E5%AE%9F%E7%B8%BE%E3%81%AF%E6%95%B0%E7%99%BE%E7%A4%BE%E4%BB%A5%E4%B8%8A%3C%2Fli%3E%0A%3Cli%3E%E6%A9%9F%E5%AF%86%E6%80%A7%E3%81%AE%E9%AB%98%E3%81%84%E3%82%A2%E3%83%8E%E3%83%86%E3%83%BC%E3%82%B7%E3%83%A7%E3%83%B3%E3%81%AF%E3%80%81%E3%81%8A%E6%89%8B%E6%8C%81%E3%81%A1%E3%81%AE%E3%82%AF%E3%83%A9%E3%82%A6%E3%83%89%E3%82%B9%E3%83%88%E3%83%AC%E3%83%BC%E3%82%B8%E3%81%AB%E4%BF%9D%E5%AD%98%E3%81%97%E3%81%9F%E3%81%BE%E3%81%BE%E3%81%AE%E4%BD%9C%E6%A5%AD%E3%82%82%E5%8F%AF%E8%83%BD%3C%2Fli%3E%0A%09%09%09%09%3C%2Ful%3E%0A%3Cp%3E%E6%9C%80%E9%81%A9%E3%81%AA%E3%82%A2%E3%83%8E%E3%83%86%E3%83%BC%E3%82%B7%E3%83%A7%E3%83%B3%E6%96%B9%E6%B3%95%E3%81%AE%E3%81%94%E6%8F%90%E6%A1%88%E3%82%84%E3%80%81%E4%BD%9C%E6%A5%AD%E3%83%9E%E3%83%8B%E3%83%A5%E3%82%A2%E3%83%AB%E3%81%AE%E8%90%BD%E3%81%A8%E3%81%97%E8%BE%BC%E3%81%BF%E3%81%BE%E3%81%A7%E3%81%94%E6%94%AF%E6%8F%B4%E5%8F%AF%E8%83%BD%E3%81%A7%E3%81%99%E3%80%82%E3%82%A2%E3%83%8E%E3%83%86%E3%83%BC%E3%82%B7%E3%83%A7%E3%83%B3%E3%81%AE%E3%83%AA%E3%82%BD%E3%83%BC%E3%82%B9%E3%83%BB%E3%83%8E%E3%82%A6%E3%83%8F%E3%82%A6%E4%B8%8D%E8%B6%B3%E3%81%AB%E3%81%8A%E5%9B%B0%E3%82%8A%E3%81%AE%E9%9A%9B%E3%81%AF%E3%81%9C%E3%81%B2%E3%81%94%E7%9B%B8%E8%AB%87%E3%81%8F%E3%81%A0%E3%81%95%E3%81%84%E3%80%82%3C%2Fp%3E%0A%09%09%09%3C%2Fdiv%3E%0A%09%09%3C%2Fdiv%3E%0A%09%09%3Cdiv%20class%3D%22sd%20appear%20button-container%22%3E%0A%20%20%20%20%20%20%20%20%20%20%20%20%3Ca%20href%3D%22https%3A%2F%2Ffastlabel.ai%2Fresources%2Fpamphlet-all-info%3Fid%3Dcta-blg-btn-btm-ado%22%20class%3D%22ctwhite-button%22%20id%3D%22cta-blg-btn-btm-ado%22%20target%3D%22_parent%22%3E%E3%81%BE%E3%81%9A%E3%81%AF%E8%B3%87%E6%96%99%E3%82%92%E3%83%80%E3%82%A6%E3%83%B3%E3%83%AD%E3%83%BC%E3%83%89%E3%81%99%E3%82%8B%3C%2Fa%3E%0A%20%20%20%20%20%20%20%20%3C%2Fdiv%3E%0A%09%3C%2Fdiv%3E%0A%3C%2Fdiv%3E%0A%0A%3Cstyle%3E%0A%09body%20%7B%0A%09%09font-family%3A%20-apple-system%2C%20%22Hiragino%20Sans%22%2C%20%22Yu%20Gothic%22%2C%20sans-serif%3B%0A%09%09font-weight%3A%20normal%3B%0A%09%7D%0A%0A%09.ctwhite%20%7B%0A%09%09align-content%3A%20flex-start%3B%0A%09%09align-items%3A%20flex-start%3B%0A%09%09background%3A%20%23FFFFFF%3B%0A%09%09border-radius%3A%2016px%3B%0A%09%09box-shadow%3A%200px%202px%2015px%20rgba(123%2C%20157%2C%20190%2C%200.15)%3B%0A%09%09flex%3A%20none%3B%0A%09%09flex-direction%3A%20column%3B%0A%09%09flex-wrap%3A%20nowrap%3B%0A%09%09height%3A%20auto%3B%0A%09%09justify-content%3A%20flex-start%3B%0A%09%09margin%3A%200px%20auto%3B%0A%09%09padding%3A%2030px%2030px%2030px%2030px%3B%0A%09%09width%3A%20100%25%3B%0A%09%09max-width%3A%20calc(100%25%20-%2010px)%3B%0A%09%09box-sizing%3A%20border-box%3B%0A%09%09margin-bottom%3A%2010px%3B%0A%09%09margin-top%3A%2010px%3B%0A%09%7D%0A%0A%09.ctwhite%20h3%20%7B%0A%09%09color%3A%20%23535fff%3B%0A%09%09font-size%3A%2026px%3B%0A%09%09font-weight%3A%20600%3B%0A%09%09height%3A%20auto%3B%0A%09%09line-height%3A%201.4%3B%0A%09%09padding%3A%200px%3B%0A%09%09text-align%3A%20center%3B%0A%09%09width%3A%20100%25%3B%0A%09%09padding-bottom%3A%2020px%3B%0A%09%09margin-bottom%3A%2020px%3B%0A%09%09position%3A%20relative%3B%0A%09%09margin-top%3A%200px%3B%0A%09%7D%0A%0A%09.ctwhite%20h3%3Aafter%20%7B%0A%09%09width%3A%2030px%3B%0A%09%09height%3A%202px%3B%0A%09%09content%3A%20%22%22%3B%0A%09%09display%3A%20block%3B%0A%09%09background%3A%20%23535fff%3B%0A%09%09position%3A%20absolute%3B%0A%09%09bottom%3A%200%3B%0A%09%09left%3A%2050%25%3B%0A%09%09transform%3A%20translateX(-50%25)%3B%0A%09%7D%0A%0A%09.ctwhite-content-main%20%7B%0A%09%09display%3A%20flex%3B%0A%09%09height%3A%20auto%3B%0A%09%09justify-content%3A%20flex-start%3B%0A%09%09margin%3A%200px%200px%200px%200px%3B%0A%09%09padding%3A%200px%3B%0A%09%09width%3A%20100%25%3B%0A%09%7D%0A%0A%09.ctwhite-content-left%20%7B%0A%09%09color%3A%20%23333%3B%0A%09%09flex%3A%201%3B%0A%09%09font-size%3A%2016px%3B%0A%09%09font-weight%3A%20400%3B%0A%09%09height%3A%20auto%3B%0A%09%09line-height%3A%201.4%3B%0A%09%09padding%3A%200px%200px%200px%3B%0A%09%09text-align%3A%20left%3B%0A%09%09width%3A%20auto%3B%0A%09%09max-width%3A%20100%25%3B%0A%09%09margin-right%3A%2020px%3B%0A%09%7D%0A%0A%20%20%20%20.ctwhite-content-left%20p%20%7B%0A%20%20%20%20%20%20%20%20line-height%3A%201.8%3B%0A%20%20%20%20%7D%0A%0A%09.ctwhite-content-left%20ul%20%7B%0A%09%09list-style%3A%20none%3B%0A%09%09padding%3A%200%3B%0A%09%09font-weight%3A%20600%3B%0A%09%09position%3A%20relative%3B%0A%09%09z-index%3A%202%3B%0A%09%09margin-left%3A%2020px%3B%0A%09%7D%0A%0A%09.ctwhite-content-left%20ul%20li%20%7B%0A%09%09padding-left%3A%2025px%3B%0A%09%09position%3A%20relative%3B%0A%09%09margin-bottom%3A%2010px%3B%0A%09%7D%0A%0A%09.ctwhite-content-left%20p%20%7B%0A%09%09margin-top%3A%200px%3B%0A%09%7D%0A%0A%09.ctwhite-content-left%20ul%20li%3A%3Abefore%20%7B%0A%09%09content%3A%20''%3B%0A%09%09background%3A%20%23535fff%3B%0A%09%09width%3A%206px%3B%0A%09%09height%3A%206px%3B%0A%09%09border-radius%3A%2050%25%3B%0A%09%09position%3A%20absolute%3B%0A%09%09left%3A%200%3B%0A%09%09top%3A%2050%25%3B%0A%09%09transform%3A%20translateY(-50%25)%3B%0A%09%7D%0A%0A%09.ctwhite-content-right%20img%20%7B%0A%09%09flex%3A%20none%3B%0A%09%09height%3A%20auto%3B%0A%09%09width%3A%20280px%3B%0A%09%09max-width%3A%20100%25%3B%0A%09%7D%0A%0A%09.ctwhite-button%20%7B%0A%20%20%20%20%20%20%20%20text-decoration%3A%20none%3B%0A%20%20%20%20%20%20%20%20font-weight%3A%20700%20!important%3B%0A%09%09background%3A%20linear-gradient(var(--g-angle)%2C%20var(--g-color-0)%20var(--g-position-0)%2C%20var(--g-color-1)%20var(--g-position-1))%3B%0A%09%09border-radius%3A%20100px%3B%0A%09%09box-shadow%3A%200px%200px%200px%200px%20rgba(0%2C%200%2C%200%2C%200.2)%3B%0A%09%09color%3A%20%23333%3B%0A%09%09flex%3A%20none%3B%0A%09%09font-family%3A%20var(--s-font-76953810)%3B%0A%09%09font-size%3A%2015px%3B%0A%09%09font-weight%3A%20400%3B%0A%09%09height%3A%2060px%3B%0A%09%09justify-content%3A%20center%3B%0A%09%09letter-spacing%3A%200em%3B%0A%09%09line-height%3A%201.4%3B%0A%09%09margin%3A%200px%200px%200px%200px%3B%0A%09%09opacity%3A%201%3B%0A%09%09padding%3A%2020px%2025px%2020px%2025px%3B%0A%09%09text-align%3A%20left%3B%0A%09%09width%3A%20auto%3B%0A%09%09max-width%3A%20100%25%3B%0A%09%09--g-color-0%3A%20%233fa9f5%3B%0A%09%09--g-position-0%3A%200%25%3B%0A%09%09--g-color-1%3A%20%23535fff%3B%0A%09%09--g-position-1%3A%20100%25%3B%0A%09%09--g-color-2%3A%20%23535fff%3B%0A%09%09--g-position-2%3A%20100%25%3B%0A%09%09--g-color-3%3A%20%23535fff%3B%0A%09%09--g-position-3%3A%20100%25%3B%0A%09%09--g-color-4%3A%20%23535fff%3B%0A%09%09--g-position-4%3A%20100%25%3B%0A%09%09--g-color-5%3A%20%23535fff%3B%0A%09%09--g-position-5%3A%20100%25%3B%0A%09%09--g-color-6%3A%20%23535fff%3B%0A%09%09--g-position-6%3A%20100%25%3B%0A%09%09--g-color-7%3A%20%23535fff%3B%0A%09%09--g-position-7%3A%20100%25%3B%0A%09%09--g-color-8%3A%20%23535fff%3B%0A%09%09--g-position-8%3A%20100%25%3B%0A%09%09--g-color-9%3A%20%23535fff%3B%0A%09%09--g-position-9%3A%20100%25%3B%0A%09%09--g-color-10%3A%20%23535fff%3B%0A%09%09--g-position-10%3A%20100%25%3B%0A%09%09--g-color-11%3A%20%23535fff%3B%0A%09%09--g-position-11%3A%20100%25%3B%0A%09%09--g-angle%3A%2090deg%3B%0A%09%09font-size%3A%2018px%3B%0A%09%09font-weight%3A%20500%3B%0A%09%09letter-spacing%3A%200em%3B%0A%09%09color%3A%20%23fff%3B%0A%09%09text-align%3A%20center%3B%0A%09%09margin%3A%200%20auto%3B%0A%09%09border%3A%20none%20!important%3B%0A%09%09transition%3A%20all%200.3s%20ease%3B%0A%09%09cursor%3A%20pointer%3B%0A%09%7D%0A%0A%09.ctwhite-button%3Ahover%20%7B%0A%09%09opacity%3A%200.8%3B%0A%09%7D%0A%0A%09.button-container%20%7B%0A%09%09text-align%3A%20center%3B%0A%09%09margin-top%3A%2025px%3B%0A%09%7D%0A%0A%09%40media%20(max-width%3A%20560px)%20%7B%0A%09%09h3%20%7B%0A%09%09%09font-size%3A%2022px%3B%0A%09%09%7D%0A%0A%09%09.ctwhite-content-main%20%7B%0A%09%09%09display%3A%20block%3B%0A%09%09%7D%0A%0A%09%09.ctwhite%20%7B%0A%09%09%09padding%3A%2015px%3B%0A%09%09%7D%0A%0A%09%09.ctwhite-content-left%20%7B%0A%09%09%09margin-right%3A%200px%3B%0A%09%09%7D%0A%0A%09%09.ctwhite-content-right%20img%20%7B%0A%09%09%09width%3A%20100%25%3B%0A%09%09%09max-width%3A%20350px%3B%0A%09%09%09display%3A%20block%3B%0A%09%09%09margin%3A%200%20auto%3B%0A%09%09%7D%0A%09%7D%0A.ctwhite-content%3Abefore%20%7B%0A%20%20%20%20%20%20%20%20content%3A%20%22%22%3B%0A%20%20%20%20%20%20%20%20height%3A%20100%25%3B%0A%20%20%20%20%20%20%20%20left%3A%200%3B%0A%20%20%20%20%20%20%20%20pointer-events%3A%20none%3B%0A%20%20%20%20%20%20%20%20position%3A%20absolute%3B%0A%20%20%20%20%20%20%20%20top%3A%200%3B%0A%20%20%20%20%20%20%20%20transition%3A%20inherit%3B%0A%20%20%20%20%20%20%20%20width%3A%20100%25%3B%0A%20%20%20%20%20%20%20%20background-image%3A%20url(https%3A%2F%2Fstorage.googleapis.com%2Fstudio-design-asset-files%2Fprojects%2FrROnAGzBWA%2Fs-800x173_v-fs_webp_c7b20c52-49c6-4394-aeba-23700cb24ea7.webp)%3B%0A%20%20%20%20%20%20%20%20background-position%3A%20center%20bottom%3B%0A%20%20%20%20%20%20%20%20background-repeat%3A%20no-repeat%3B%0A%20%20%20%20%20%20%20%20background-size%3A%20100%25%3B%0A%20%20%20%20%7D%0A.ctwhite-content%20%7B%0A%20%20%20%20position%3A%20relative%3B%0A%7D%0A.ctwhite-content%20.button-container%2C%0A.ctwhite-content-main%20%7B%0A%20%20position%3A%20relative%3B%0A%7D%0A.button-container%20%7B%0A%20%20%20%20margin-top%3A%2010px%3B%0A%7D%0A.ctwhite-content%20.ctwhite-button%20%7B%0A%20%20%20%20display%3A%20table%3B%0A%20%20%20%20height%3A%20auto%3B%0A%20%20%20%20padding%3A%2017px%2025px%2018px%3B%0A%7D%0A.ctwhite%20%7B%0A%20%20%20%20font-family%3A%20%22Noto%20Sans%20JP%22%2C%20sans-serif%3B%0Aborder%3A%201px%20solid%20%233FA9F5%3B%0A%7D%0A.ctwhite%20h3%20%7B%0A%20%20%20%20padding-bottom%3A%2030px%3B%0A%20%20%20%20margin-bottom%3A%200%3B%0A%7D%0A.ctwhite%20h3%3Aafter%20%7B%0A%20%20%20%20content%3A%20none%3B%0A%7D%0A.ctwhite-content-main%20%7B%0A%20%20%20%20letter-spacing%3A%20.06em%3B%0A%7D%0A.ctwhite-content-left%20%7B%0A%20%20%20%20margin-right%3A%200%3B%0A%7D%0A.ctwhite-content-left%20ul%20%7B%0A%20%20%20%20margin-left%3A%200%3B%0A%7D%0A.ctwhite-content-left%20ul%20li%20%7B%0A%20%20%20%20padding-left%3A%200.8em%3B%0Amargin-bottom%3A5px%3B%0A%7D%0A.ctwhite-content-left%20p%20%7B%0A%20%20%20%20margin-bottom%3A%2020px%3B%0A%7D%0A.ctwhite-content-left%20ul%20li%3A%3Abefore%20%7B%0A%20%20%20%20background%3A%20%23333%3B%0A%7D%0A%40media%20(max-width%3A%20560px)%7B%0A.ctwhite%20%7B%0A%20%20%20%20padding%3A%2030px%2020px%3B%0A%7D%0A.ctwhite%20h3%20%7B%0Afont-size%3A20px%3B%0Atext-align%3Aleft%3B%0A%7D%0A.button-container%20%7B%0A%20%20%20%20margin-top%3A%2040px%3B%0A%7D%0A.ctwhite-content%20.ctwhite-button%20%7B%0A%20%20%20%20font-size%3A%2016px%3B%0A%7D%0A%7D%0A%3C%2Fstyle%3E