2025年のコンピュータービジョンについて知っておくべきことのすべて

20年前、機械やコンピューターが世界を見て理解できるという考えは、まさにSFの世界でした。今日では、人工知能（AI）の進歩によって、その考えは現実になりました。特に、AIの一分野であるコンピュータービジョン（CV）によって、機械は画像や動画を理解し、分析できるようになっています。リアルタイムでのオブジェクト識別、セキュリティシステムの改善、複雑なタスクの自動化など、コンピュータービジョンは機械にできることを広げ続けています。

さまざまな業界がコンピュータービジョンの独自の機能を取り入れる方法を模索するなか、コンピュータービジョンはテクノロジーの未来を急速に形作っています。世界のコンピュータービジョン市場規模は2024年に198億3,000万ドルに達し、今後数年間で年率19.8%の成長が見込まれています。

図1. コンピュータービジョンの世界市場規模。

この記事では、コンピュータービジョンとは何か、どのように進化してきたか、現在どのように機能しているかを詳しく見ていきます。また、特に興味深いアプリケーションもいくつか紹介します。

コンピュータービジョンとは何ですか？#

コンピュータービジョンは、機械学習とニューラルネットワークを使って、画像や動画ファイルなどの視覚データの内容をコンピューターに理解させるAIの一分野です。処理した画像から得られた知見を、より良い意思決定に活用できます。たとえば、小売業では棚の画像を分析して在庫水準を追跡したり、自動精算システムで買い物体験を向上させたりできます。多くの企業が、スマートフォンの写真にフィルターを追加するようなタスクから製造業の品質管理まで、さまざまな用途でコンピュータービジョン技術をすでに活用しています。

なぜコンピュータービジョンソリューションがこれほど必要なのか、疑問に思うかもしれません。欠陥の検出やパターンの認識など、絶え間ない注意が必要なタスクは、人間にとって難しい場合があります。特にペースが速い環境や複雑な環境では、目が疲れたり、細部を見落としたりする可能性があります。

人は、サイズ、色、照明、角度が異なる物体の認識を得意としていますが、プレッシャーのかかる状況では一貫性を保つのに苦労することがよくあります。一方、コンピュータービジョンソリューションは休むことなく、膨大な量の視覚データを迅速かつ正確に処理します。たとえば、交通状況をリアルタイムで分析し、渋滞を検出して信号のタイミングを最適化したり、人間の観察者よりも早く事故を特定したりできます。

コンピュータービジョンの歴史を知る#

コンピュータービジョンは長年にわたり、理論上の概念から、さまざまな業界のイノベーションを支える信頼性の高い技術へと進化してきました。その発展を形作った主なマイルストーンを見ていきましょう。

• 1950年代～1960年代：研究者たちは視覚データを処理・分析するアルゴリズムの開発を始めましたが、計算能力が限られていたため、進展は緩やかでした。
• 1970年代：この दशकには、画像内の線や幾何学的形状の検出を改善するハフ変換など、アルゴリズムが大きく進歩しました。また、光学文字認識 (OCR)も登場し、機械が印刷されたテキストを読み取れるようになりました。
• 1980年代～1990年代：機械学習がコンピュータービジョンで役割を担い始め、より高度な機能や将来のブレークスルーへの道が開かれました。
• 2000年代～2010年代：ディープラーニングによってコンピュータービジョンに新たな可能性がもたらされ、機械は視覚データをより効果的に解釈できるようになりました。物体識別、動作分析、複雑なタスクの実行などの機能が強化されました。

現在、コンピュータービジョンは急速に進歩し、医療、自動運転車、スマートシティなどの分野で問題を解決する方法を変えています。リアルタイムのコンピュータービジョンタスク向けに設計されたUltralytics YOLO (You Only Look Once)モデルは、さまざまな業界でビジョンAIを効果的かつ正確に導入しやすくします。AIとハードウェアの進歩が続くなか、これらのモデルは高度な視覚データ分析を活用して、企業がより賢明な意思決定を行い、業務を効率化するのに役立っています。

コンピュータービジョンの仕組みを解説#

コンピュータービジョンシステムは、人間の脳の働きに着想を得たアルゴリズムであるニューラルネットワークを使って画像を分析します。畳み込みニューラルネットワーク（CNNs）と呼ばれる特定の種類は、画像内のエッジや形状などのパターン認識に特に適しています。

視覚データを簡潔に表現するため、プーリングなどの手法で画像の最も重要な部分に焦点を当て、追加のレイヤーでその情報を処理して特徴の識別や物体の検出などを行います。速度と精度を重視して設計されたUltralytics YOLO11のような高度なモデルにより、リアルタイムの画像処理が可能になります。

図2. Ultralytics YOLO11を使用した物体検出の例。

一般的なコンピュータービジョンアプリケーションでは、生の画像を有用な知見に変換するために、いくつかの手順を踏みます。主な4つの段階は次のとおりです。

• 画像取得：カメラやセンサーを使用して視覚データを収集します。画像の品質は、使用するセンサーの種類によって異なります。
• 画像処理：収集したデータにノイズ除去やエッジ強調などの前処理を施し、分析しやすくします。
• 特徴抽出：形状やテクスチャなどの重要な詳細を抽出し、画像の中でも特に重要な部分に焦点を当てます。
• パターン認識：識別した特徴を機械学習で分析し、物体検出、動きの追跡、パターン認識などのタスクを実行します。

コンピュータービジョンタスクを探る#

コンピュータービジョンの仕組みについて説明する際に、コンピュータービジョンタスクに触れたことにお気づきかもしれません。Ultralytics YOLO11などのモデルは、こうしたタスクに対応するよう設計されており、実世界のアプリケーション向けに高速で正確なソリューションを提供します。オブジェクトの検出から動きの追跡まで、YOLO11はこれらのタスクを効率的に処理します。対応している主なコンピュータービジョンタスクとその仕組みを見ていきましょう。

物体検出#

物体検出は主要なコンピュータービジョンタスクの1つで、画像内の対象物を識別するために使用されます。物体検出タスクの出力は、バウンディングボックス (画像内で検出された物体を囲む矩形)、クラスラベル (「car」や「person」など、各物体のカテゴリや種類)、信頼度スコア (各検出についてモデルがどの程度確信しているかを示す数値)のセットです。たとえば、道路上の歩行者や交通中の車の識別と位置特定に物体検出を利用できます。

図3. Ultralytics YOLO11を使用した物体検出。

画像分類#

画像分類の主な目的は、画像全体の内容に基づいて、入力画像にあらかじめ定義されたラベルやカテゴリを割り当てることです。このタスクでは通常、画像内で最も目立つ物体や特徴を識別します。たとえば、画像に猫が写っているか犬が写っているかを判定するために、画像分類を利用できます。YOLO11のようなコンピュータービジョンモデルは、以下に示すように、猫や犬の個々の品種を分類できるようカスタム学習することもできます。

図4. YOLO11を使用したさまざまな猫種の分類。

インスタンスセグメンテーション#

インスタンスセグメンテーションは、さまざまなアプリケーションで利用される、もう1つの重要なコンピュータービジョンタスクです。画像をセグメントに分割し、同じ種類の物体が複数ある場合でも、それぞれを個別に識別します。物体検出とは異なり、インスタンスセグメンテーションでは、さらに一歩進んで各物体の正確な輪郭を描画します。たとえば、自動車の製造や修理では、各車両部品を個別に識別してラベル付けできるため、プロセスの精度と効率を高められます。

図5. YOLO11を使用した自動車部品のセグメンテーション。

姿勢推定#

姿勢推定では、手、頭、肘などのキーポイントの位置を予測し、人や物体の位置と向きを特定します。リアルタイムで身体の動作を理解する必要があるアプリケーションで特に役立ちます。人の姿勢推定は、スポーツ分析、動物行動モニタリング、ロボティクスなどの分野で広く使われています。

図6. YOLO11は人間の姿勢推定に役立ちます。

YOLO11が対応するその他のコンピュータービジョンタスクについては、Ultralyticsの公式ドキュメントを参照してください。YOLO11によるオブジェクトトラッキングや回転バウンディングボックス（OBB）を使ったオブジェクト検出などについて、詳しく説明しています。

現在よく使われているコンピュータービジョンモデル#

数多くのコンピュータービジョンモデルがあるなか、Ultralytics YOLOシリーズは高いパフォーマンスと汎用性で際立っています。Ultralytics YOLOモデルは時とともに進化し、より高速かつ高精度になり、対応できるタスクも増えてきました。Ultralytics YOLOv5の登場により、PyTorchなどのビジョンAIフレームワークを使ったモデルのデプロイが容易になりました。高い精度と使いやすさを兼ね備えたこのモデルによって、より多くのユーザーが高度なビジョンAIを利用できるようになりました。

続いて、Ultralytics YOLOv8では、インスタンスセグメンテーション、画像分類、姿勢推定などの新機能が追加されました。YOLO11はさらに、複数のコンピュータービジョンタスクで優れたパフォーマンスを実現しました。YOLOv8mよりパラメーター数が22%少ないYOLO11mは、COCOデータセットでより高い平均適合率（mAP）を達成しており、より正確かつ効率的にオブジェクトを検出できます。最新世代のUltralytics YOLO26は、ネイティブなエンドツーエンドのNMSフリー推論と高速なCPUパフォーマンスを実現し、エッジデプロイに対応します。経験豊富な開発者にも、AIを始めたばかりの方にも、Ultralytics YOLOモデルはコンピュータービジョンのニーズに対応する実用的な出発点となります。

日常生活におけるコンピュータービジョンの役割#

先ほど、Ultralytics YOLO11のようなコンピュータービジョンモデルが幅広い業界で活用できることを説明しました。ここでは、日々の暮らしを変えているユースケースをさらに見ていきましょう。

医療分野におけるビジョンAI#

医療分野におけるコンピュータービジョンには、幅広い用途があります。物体検出や分類などのタスクは医療画像で利用され、疾患の検出をより迅速かつ正確にします。X線画像の分析では、人間の目では捉えにくいパターンをコンピュータービジョンで識別できます。

がん細胞と健康な細胞を比較するがん検出にも利用されています。同様に、CTスキャンやMRIでは、コンピュータービジョンを使って画像を人間に近い精度で分析できます。医師のより適切な判断を支援し、最終的にはより多くの命を救うことにつながります。

図7。YOLO11による医療画像の解析。

自動車業界におけるAI#

コンピュータービジョンは自動運転車に不可欠であり、道路標識や信号機などの物体検出に役立ちます。光学文字認識（OCR）などの技術を使うと、車両が道路標識の文字を読み取れます。また、歩行者検出にも使用され、物体検出タスクによって人をリアルタイムで識別します。

さらに、コンピュータービジョンは道路のひび割れや pothole（穴）も検出できるため、変化する道路状況をより適切に監視できます。全体として、コンピュータービジョン技術は、交通管理の改善、交通安全の向上、スマートシティ計画の支援に重要な役割を果たします。

図8. YOLO11による交通状況の把握。

農業におけるコンピュータービジョン#

農家が心配することなく、作物の種まき、水やり、収穫を適切な時期に自動で行えるとしたらどうでしょうか。それこそが、コンピュータービジョンが農業にもたらすものです。作物をリアルタイムで監視できるため、農家は病気や栄養不足などの問題を早期に検出できます。

監視に加えて、コンピュータービジョンを統合したAI駆動の自動除草機は雑草を識別して除去できるため、人件費を削減し、作物の収量を増やせます。この技術の組み合わせにより、農家は資源を最適化し、効率を高め、作物を保護できます。

図9。農業におけるUltralytics YOLO11の活用例。

AIによる製造プロセスの自動化#

製造業では、コンピュータービジョンを使って生産状況の監視、製品の品質確認、作業員の自動追跡を行えます。ビジョンAIによって、エラーやコストを削減しながら、プロセスをより迅速かつ正確に進められます。

品質保証では、オブジェクト検出とインスタンスセグメンテーションが一般的に使われます。欠陥検出システムは完成品の最終検査を行い、優れた製品だけが顧客に届くようにします。へこみやひび割れのある製品は自動的に識別され、排除されます。また、これらのシステムは製品をリアルタイムで追跡・カウントし、組立ラインを継続的に監視します。

図10. コンピュータービジョンによる組立ラインの監視。

コンピュータービジョンで教育の効果を高める#

教室におけるコンピュータービジョンの活用例の1つがジェスチャー認識です。生徒の動きを検出して、学習を個別化できます。Ultralytics YOLO11などのモデルはこのタスクに適しています。手を挙げる動作や困惑した表情などのジェスチャーをリアルタイムで正確に識別できます。

このようなジェスチャーが検出された場合、追加の支援を提供したり、内容を生徒のニーズに合わせて変更したりして、進行中の授業を調整できます。これにより、より動的で適応性の高い学習環境が生まれ、システムが各生徒の学習体験を支援する間、教師は指導に集中できます。

コンピュータービジョンの最近のトレンド#

さまざまな業界におけるコンピュータービジョンの活用例をいくつか見てきたところで、その進歩を後押しする主なトレンドを見ていきましょう。

主なトレンドの1つは、データを発生源に近い場所で処理する分散コンピューティングフレームワークであるエッジコンピューティングです。たとえば、エッジコンピューティングを利用すると、カメラやセンサーなどのデバイスが視覚データを直接処理できるため、応答時間の短縮、遅延の低減、プライバシーの向上につながります。

コンピュータービジョンにおけるもう1つの重要なトレンドは、複合現実の活用です。複合現実は、コンピュータービジョンを用いて仮想オブジェクトを現実世界に自然に溶け込ませ、物理世界とデジタル要素を組み合わせます。ゲーム、教育、トレーニングの体験向上に活用できます。

コンピュータービジョンのメリットとデメリット#

コンピュータービジョンがさまざまな業界にもたらす主なメリットをいくつか紹介します。

• コスト削減: コンピュータービジョンによるタスクの自動化は、運用コストを削減し、生産性を向上させ、エラーを最小限に抑えます。
• 拡張性: いったん導入すると、コンピュータービジョンシステムは大量のデータを処理できるよう容易に拡張できるため、成長中の企業や大規模な運用に適しています。
• 用途に応じたカスタマイズ: コンピュータービジョンモデルは独自のデータセットでファインチューニングできるため、用途の要件を満たす高度に特化したソリューションを実現できます。

これらのメリットから、コンピュータービジョンがさまざまな業界にどのような影響を与えるかが分かりますが、導入に伴う課題も考慮することが重要です。主な課題をいくつか紹介します。

• データプライバシーへの懸念: 特に監視や医療などの機密性の高い分野で視覚データを使用すると、プライバシーやセキュリティ上の懸念が生じる可能性があります。
• 環境上の制約: コンピュータービジョンシステムは、照明不足、低品質の画像、複雑な背景など、厳しい環境では適切に機能しないことがあります。
• 初期費用の高さ: コンピュータービジョンシステムの開発と導入には、専用のハードウェア、ソフトウェア、専門知識が必要となるため、多額の費用がかかる場合があります。

重要なポイント#

コンピュータービジョンは、機械が人間のように世界を見て理解できるようにすることで、機械と世界との関わり方を一新しています。自動運転車の安全性向上、医師による迅速な病気の診断、買い物体験のパーソナライズ、さらには農家による作物の監視など、すでに多くの分野で活用されています。

テクノロジーの進歩に伴い、エッジコンピューティングや複合現実などの新しいトレンドが、さらに多くの可能性を切り開いています。バイアスや高コストなどの課題はありますが、コンピュータービジョンは今後、多くの業界に大きなプラスの影響をもたらす可能性があります。

詳しくは、GitHubリポジトリをご覧いただき、コミュニティにご参加ください。ソリューションページでは、自動運転車におけるAIや農業におけるコンピュータービジョンなどの分野におけるイノベーションをご覧いただけます。