レース写真の手動タグ付け（ゼッケン番号入力）：大規模で破綻する理由とAIという選択肢

レース写真の手動タグ付けサービスとは？

レース写真の手動タグ付けサービスとは、ソフトウェアではなく人が1枚ずつ写真を見て、参加者のゼッケン番号を特定し、その番号を画像のタグとして記録するワークフローです。その結果、検索できる写真ライブラリ（一般的には「ゼッケン番号で検索」）ができあがり、ランナーは自分のゼッケンが写った写真をすべてすばやく見つけられます。

マラソン業界では、マラソン写真のタグ付け、レース写真のインデックス化、レースのゼッケンタグ付け、ゼッケン番号入力とも呼ばれます。ゼッケン番号が画像に付くキーワードになることから、「キーワード付け」と呼ぶ業者もあります。

外注先がこのサービスをどう説明しているか、実例を見たい場合は、Race Photo Tagging - BIB Number Entryと、その概要ページAbout BIB Number Entryをご覧ください。

手動のゼッケンタグ付けの限界（それでもランナーが写真を見つけられない理由）

ゼッケンがはっきり読める写真なら、手動タグ付けは正確です。問題は、レースのギャラリーにはゼッケンが読み取れない画像があふれていることです。しかも、そうした写真こそ参加者が最も大切にするものであることが少なくありません。

• ゼッケンが見えない：手、給水ボトル、ハイドレーションベルト、ジャケット、ポンチョ、メダルで隠れている、ゼッケンが折れたり曲がったりしている、ランナーが横を向いているといったケースです。
• 混雑と重なり：特にフィニッシュラインや撮影スポットで、複数のランナーが互いを隠してしまいます。
• 被写体ブレと距離：ランナーは本人とわかる程度に写っていても、数字は判読できません。
• 規模と納期：写真が増えるほど納品までの時間も延び、公開が遅れて、ランナーの熱が冷めてしまいます。
• サポートの負担：写真がギャラリーにあっても、「自分の写真が見つからない」という問い合わせへの対応が発生します。

そのため、ゼッケン番号だけに頼るワークフローでは、手動でも自動でも、写真を見つけるという課題を完全には解決できません。ゼッケンが読み取れるかどうかに左右されない、もうひとつの検索方法が必要です。

レース写真の配信に9Pic AIが適している理由

9Pic AIは、大規模でもすばやく、参加者が使いやすい検索のために作られています。読み取れるゼッケンという1つの不確かな手がかりだけに頼るのではなく、写真を見つける2つの方法を提供できます。

• 9Pic BibTrack：ゼッケンが見える写真では、ゼッケン番号を認識します。
• 9Pic FaceFind：セルフィー検索で、ゼッケンが隠れている、写っていない、読み取れない場合でも、ランナーが写真を見つけられます。

実際の効果として、より多くの参加者がより多くの写真をすばやく見つけられ、チームが手作業での検索、タグの付け直し、サポートに費やす時間が減ります。

実際に受け取るもの（納品物）

写真の手動タグ付けチームに依頼する前に、納品物を明確にしておきましょう。「タグ付けされた写真」と言っても、形式はいくつもあるからです。一般的な納品物は次のとおりです。

• CSV・スプレッドシートの対応表：ファイル名 → ゼッケン番号のような表で、チェックポイント、時間帯、フォルダー名を含むこともあります。
• 埋め込みメタデータ：ゼッケン番号を画像のメタデータ（多くはIPTCキーワード）に書き込むため、タグがファイルと一緒に「移動」します。
• プラットフォームの取り込み形式：特定のギャラリーシステムを使っている場合、業者がそのプラットフォームで必要な取り込み形式に合わせて納品することもあります。
• 品質チェックのレポート：抜き取り検査の統計、重複チェック、例外ケースのメモ（例：「読み取れないゼッケン」の分類）。

後で困らないための簡単な質問があります：「小規模な試験運用（500〜1,000枚）を行い、成果物を自社のギャラリーのワークフローで検証できますか？」

手動のゼッケンタグ付けの流れ（一般的なワークフロー）

優れたレース写真の手動タグ付けのワークフローは、良い意味で地味です。仕組み化、バッチ処理、検証によって、人為的なミスを減らすように設計されています。

ステップ1：タグ付けのルールを決める（多くのプロジェクトがここでつまずきます）

あいまいな点があると、手動タグ付けは混乱します。ルールシートでは、次の点を明確にしておきます。

• 1枚に複数のランナーが写っている場合：見えるゼッケンすべてにタグを付けるか、最も目立つものだけにするか。
• 一部しか見えないゼッケン：「123?」のようにタグを付けるか、すべての桁を確認できない限りスキップするか。
• 遮りや被写体ブレ：「最も可能性の高い推測」を認めるか、確実なものに限るか。
• 重複：連写の重複を除くか、すべてにタグを付けるか。
• ゼッケン番号以外の識別情報：名前、年齢区分、フィニッシュタイムもタグ付けすることがあるか。

ステップ2：写真のバッチとファイル名を準備する

手作業のチームが最も速く作業できるのは、写真が論理的にグループ分けされているときです。チェックポイント（スタート、コース途中、フィニッシュ）、カメラ、時間帯ごとに分けると、作業の切り替えが減り、品質チェックもしやすくなります。

ファイル名が固定されていない場合（例：編集後に名前を変更する）は、タグ付けをいつ行うかを決めておきます。よくあるベストプラクティスは最終書き出し → タグ付けの順です。こうすれば、実際に公開する画像とタグが対応します。

ステップ3：タグ付け（今も人が最も得意とする部分）

手動タグ付けは、まさに自動化された方法が苦手とする状況で力を発揮します。

• しわの寄ったゼッケンや曲がった生地
• 一部が隠れたゼッケン（手、ハイドレーションベルト、ジャケット）
• 通常と違うゼッケンの位置（横、背中、ショーツ）
• 暗い場所や強い影
• 濡れたゼッケン（雨季のレース）や反射するゼッケンの表面

ただし、どんなに優秀な手作業のチームでも、ゼッケンが完全に隠れていたり読み取れなかったりする写真に、確実にタグを付けることはできません。まさにその穴を埋めるのがセルフィー検索（FaceFind）です。ランナーはそうした写真も見つけられます。

ステップ4：品質チェック（精度は約束ではなくプロセス）

業者が「精度」について話すときは、どのように測定しているかを確認しましょう。優れた品質チェックの計画には、通常次の内容が含まれます。

• サンプルでの二重入力（2人が別々にタグを付け、不一致を確認）
• 妥当性チェック（無効なゼッケン番号の形式、ありえない番号の範囲）
• 重要度の高いグループの抜き取り検査（フィニッシュラインの決定的な写真など）
• 読み取れないゼッケン用の「不確実」グループ（対応を判断できるように）

納期：実際に影響するものは？

納期を最も大きく左右するのは計算式です：総画像数 × 1枚あたりの平均秒数。しかし実際には、次の要素が多くのチームの想定以上に影響します。

• 写真の品質：ブレ、距離、遮りがあると「1枚あたりの秒数」が増えます。
• 1枚あたりのゼッケンの数：フィニッシュラインの混雑で作業量が何倍にもなることがあります。
• 完全な確実性を求めるかどうか：慎重なルールは作業を遅くしますが、エラーを減らします。
• 変更依頼：「最終的なファイル名でタグを付け直してもらえますか？」は、よくある手戻りの落とし穴です。

写真の多いイベントでスピードが重要なら、手動だけのワークフローと、ハイブリッドなワークフローを比較する価値があります。ハイブリッドでは、AIで写真をすぐに見つけられるようにし、人は例外に集中します。

データセキュリティとプライバシーについて確認すべきこと

手動タグ付けサービスを使うと、写真や参加者の識別情報を第三者が扱うことになります。最低限、次の点を確認しましょう。

• アクセス管理：誰がファイルをダウンロードできるか。納品後、アクセス権はどのように取り消されるか。
• 保存：写真は保存時に暗号化されているか。ファイルはどのくらいの期間保管されるか。
• 共有：写真が下請け業者と共有されることはあるか。
• 監査可能性：業者は簡単な操作ログ（アップロード・ダウンロードの日時）を提供できるか。

参加者へのギャラリー公開に関するプラットフォームのガイドは、まず仕組みのページと、イベントのプライバシーポリシーの文言をご確認ください。

業者選定のチェックリスト（コピーしてお使いください）

マラソン写真の手動タグ付けを依頼する業者を評価するときは、このチェックリストを使ってください。

• 試験運用：実際の写真で小規模な有償の試験運用を行い、納品形式を確認してもらえますか？
• ルール：一部しか見えないゼッケン、複数のゼッケン、不確実なケース、手戻りについて、文書化されたルールシートはありますか？
• 成果物：成果物はIPTCキーワード、CSV、ギャラリーへの取り込みのどれですか？　サンプルファイルを見せてもらえますか？
• 品質チェック：どのような品質チェックを行い、修正はどのような手順で行いますか？
• セキュリティ：ファイルはどこに保存され、どのくらいの期間保管され、誰がアクセスできますか？
• スケジュール：約束する納期と、その前提条件は何ですか？

手動とAIの比較（たいていハイブリッドが有利な理由）

難しい写真での精度がスピードより重要な場合、手動タグ付けは有力な選択肢です。しかし数千人のランナーに対応するなら、「自分の写真を見つける」は最初の結果が出るまでの時間の問題であり、カバー率の問題でもあります（良い写真の多くは、ゼッケンが読み取れません）。

現在のレースで最も効果的だと当社が見ているアプローチは、次のとおりです。

• AIですぐに見つける：参加者はセルフィー検索（9Pic FaceFind）とゼッケン番号認識（9Pic BibTrack）を使い、多くの写真でゼッケンが隠れていても写真を見つけられます。
• 例外ケースは手動で確認：まれな誤読を人が修正し、本当に判断が難しい写真に対応します。その間もギャラリー全体の公開を止める必要はありません。

大量のレース写真を扱う計画なら、マラソン向けと料金のページで、規模に応じた選択肢をご確認ください。

よくある質問

レース写真の手動タグ付けは「写真のキーワード付け」と同じですか？

多くの場合、同じです。多くのサービスでは、ゼッケン番号をキーワードとして追加すると説明しています（メタデータに埋め込むか、ギャラリーのプラットフォームがキーワードとして使うスプレッドシートで提供します）。

タグ付けは編集の前と後、どちらに行うべきですか？

通常は最終書き出しの後（またはファイル名が確定した後）です。早い段階でタグを付け、後で名前を変更したり書き出し直したりすると、高くつく手戻りが発生することがあります。

誤ったタグの最も一般的な原因は何ですか？

一部しか見えないゼッケンや、混雑したフィニッシュラインの写真に関するルールがあいまいなことです。「不確実」グループについての明確なルールがあれば、誤った一致を減らせます。

手動タグ付けで顔認識の代わりになりますか？

代わりにはなりますが、参加者の体験は変わります。ランナーは自分のゼッケン番号を覚えていて、入力しなければなりません。セルフィー検索なら、ゼッケン番号を忘れた場合や、一部の写真でゼッケンが見えない場合でも、参加者は写真を見つけられます。

多くの写真でランナーのゼッケンが隠れている場合は？

大規模なレースではよくあることです（手、ボトル、ジャケット、メダル、混雑）。読み取れるゼッケンだけに頼った検索方法では、そうした写真は見つけにくくなります。セルフィー検索（9Pic FaceFind）なら、ゼッケンが読み取れなくても参加者は写真を見つけられ、ゼッケンが見える写真は9Pic BibTrackがカバーします。

次のステップ

次のレースで写真の手動タグ付けとAIのどちらにするか迷っているなら、小規模な試験運用から始めましょう。フィニッシュラインとコースの写真を混ぜて1,000枚選び、手動タグ付けの成果物を自社のギャラリーで試して、9Pic AIの流れ（BibTrackとFaceFind）と比較します。判断する最速の方法はシンプルです。実際の参加者がどれだけ早く自分の写真を見つけられるかを測ってください。

マラソン向けのハイブリッドなワークフローの設計をお手伝いします。おおよその写真枚数、フォトグラファーの人数、写真の公開希望時期を添えて、お問い合わせください。