コンピュータビジョンの応用がどのように機能するのかを探ります

コンピュータビジョンモデルの歴史を振り返ると、コンピュータビジョンがどのように進化し、現在の高度なビジョンモデルに至ったかがわかります。Ultralytics YOLOv8やその後継モデル、最新のUltralytics YOLO26などの最新モデルは、複数のコンピュータビジョンタスクに対応し、さまざまな注目すべき用途で利用されています。

この記事では、コンピュータビジョンとビジョンモデルの基本を見ていきます。その仕組みや、さまざまな業界における幅広い用途を取り上げます。コンピュータビジョンのイノベーションは至るところにあり、多くの場合、背景でひっそりと機能しています。

コンピュータービジョンとは何ですか？#

人工知能（AI）は、人間の知能の一部を再現することを目指す多くのテクノロジーを包括する用語です。AIの一分野であるコンピュータービジョンは、機械に目を与え、周囲を見て、観察し、理解できるようにすることに重点を置いています。

人間の視覚と同様に、コンピュータービジョンのソリューションは、物体の識別、距離の計算、動きの検出を目指します。しかし、視覚や理解を助ける生涯にわたる経験を持つ人間とは異なり、コンピューターは膨大なデータ、高解像度カメラ、複雑なアルゴリズムに依存します。

図1 人間の視覚とコンピュータビジョンの比較。

コンピュータビジョンシステムは、画像や動画などの視覚データを高速かつ高精度で処理・分析できます。膨大な視覚情報を迅速かつ正確に分析する能力により、コンピュータビジョンは製造からヘルスケアまで、さまざまな業界で強力なツールとなっています。

ビジョンモデルが対応するさまざまなコンピュータービジョンタスク#

コンピュータービジョンモデルは、あらゆるコンピュータービジョンアプリケーションの中核です。ディープラーニング技術を活用した計算アルゴリズムであり、機械が視覚情報を解釈して理解できるように設計されています。ビジョンモデルは、画像分類から物体検出まで、重要なコンピュータービジョンタスクを可能にします。代表的なタスクとそのユースケースを詳しく見ていきましょう。

画像分類#

画像分類では、画像をあらかじめ定義されたクラスやカテゴリに分類し、ラベルを付けます。YOLOv8のようなビジョンモデルは、ラベル付き画像の大規模なデータセットでトレーニングできます。トレーニング中、モデルは各クラスに関連するパターンや特徴を認識する方法を学習します。トレーニング後は、特徴を分析して学習済みのパターンと比較することで、未知の新しい画像のカテゴリを予測できます。

図2. 画像分類の例。（出典：towardsdatascience.com）

画像分類にはさまざまな種類があります。たとえば、医用画像を扱う場合、二値分類を使って画像を健康と病気のような2つのグループに分けられます。もう一つは多クラス分類です。農場にいる豚、ヤギ、牛など、画像を多数のグループに分類するのに役立ちます。また、動物を哺乳類と鳥類に分け、さらにライオン、トラ、ワシ、スズメなどの種に分類したい場合は、階層分類が最適です。

物体検出#

物体検出とは、コンピュータービジョンを用いて画像や動画フレーム内の物体を特定し、その位置を検出するプロセスです。物体の周囲にバウンディングボックスを描く物体位置推定と、各物体のカテゴリを識別する物体分類という2つのタスクで構成されます。バウンディングボックスのアノテーションに基づき、ビジョンモデルは各物体カテゴリに固有のパターンや特徴を認識し、新たな未見の画像内における物体の有無と位置を予測できるようになります。

図3. サッカー場の選手検出に使用されるYOLOv8の物体検出。

物体検出は、スポーツから海洋生物学まで、さまざまな業界で幅広く活用されています。たとえば、小売分野では、AmazonのJust Walk Outテクノロジーが物体検出を利用して、顧客が手に取った商品を識別し、会計を自動化しています。コンピュータービジョンとセンサーデータを組み合わせることで、顧客は列に並ばずに商品を手に取って店を出られます。

仕組みを詳しく見てみましょう。

• 天井に設置されたカメラが店内を移動する顧客を撮影し、その映像をビジョンモデルがリアルタイムで処理します。
• 物体検出を使って、顧客が手に取り、バスケットに入れた商品を正確に識別し、それに応じて仮想カートを更新します。
• 棚に設置された重量センサーは、商品の取り出しや戻しを検出して精度を高めます。
• 顧客が店を出る際、物体検出と顔認識テクノロジーを使って退店を確認できます。また、クレジットカードなどの決済情報を利用して、自動的に料金を請求できます。

セマンティックセグメンテーションとインスタンスセグメンテーション#

セマンティックセグメンテーションとインスタンスセグメンテーションは、画像を意味のある領域に分割するコンピュータビジョンタスクです。セマンティックセグメンテーションは、画素を意味に基づいて分類し、同じカテゴリに属するすべての物体を同じラベルの単一のまとまりとして扱います。「空」や「海」のように数えられない対象や、「葉」や「草」のような集合体のラベル付けに適しています。

一方、インスタンスセグメンテーションでは、検出したオブジェクトごとに固有のラベルを割り当てることで、同じクラスの異なるインスタンスを区別できます。オブジェクトの数や個別性が重要となる、数えられるオブジェクトのセグメンテーションに利用できます。これにより、より正確な識別と区別が可能になります。

図4. セマンティックセグメンテーションとインスタンスセグメンテーションの例。

セマンティックセグメンテーションとインスタンスセグメンテーションの違いは、自動運転車に関する例でより明確に理解できます。セマンティックセグメンテーションは、シーンの内容を理解する必要があるタスクに適しており、自動運転車で横断歩道や交通標識などの道路上の特徴を分類するために使用できます。一方、インスタンスセグメンテーションは、自動運転車で個々の歩行者、車両、障害物を区別するために使用できます。

姿勢推定#

姿勢推定は、画像や動画内の物体の姿勢に関するキーポイントを検出・追跡するコンピュータビジョンタスクです。最も一般的には人間の姿勢推定に使われ、キーポイントには肩や膝などが含まれます。人間の姿勢を推定することで、さまざまな用途に不可欠な動作や動きを理解し、認識できます。

図5. YOLOv8を使用した姿勢推定の例。

姿勢推定は、スポーツで選手の動きを分析するために利用できます。NBAでは、試合中の選手の動きや位置を調べるために姿勢推定を活用しています。肩、肘、膝、足首などのキーポイントを追跡することで、姿勢推定は選手の動きに関する詳細な洞察を提供します。こうした洞察は、コーチがより良い戦略を立て、トレーニングプログラムを最適化し、試合中にリアルタイムで調整するのに役立ちます。また、選手の疲労や負傷リスクを監視し、選手全体の健康とパフォーマンスを向上させるためにもデータを活用できます。

回転バウンディングボックスによる物体検出#

回転バウンディングボックスによる物体検出（OBB）では、回転した長方形を使って画像内のオブジェクトを正確に識別し、位置を特定します。画像の軸に沿った標準的なバウンディングボックスとは異なり、OBBはオブジェクトの向きに合わせて回転します。そのため、完全に水平または垂直ではないオブジェクトに特に有効です。混雑した環境での重なりを防ぐため、回転したオブジェクトの位置を正確に特定し、切り分けるのに適しています。

図6. YOLOv8を使用した、船舶の航空画像における回転バウンディングボックス検出の例。

海事監視では、船舶の特定と追跡がセキュリティと資源管理の鍵となります。OBB検出を使うと、船舶が密集している場合やさまざまな角度を向いている場合でも、正確に位置を特定できます。航路の監視、海上交通の管理、港湾業務の最適化に役立ちます。また、ハリケーンや油流出などの事象の後に船舶やインフラの損傷を迅速に特定・評価し、災害対応を支援することもできます。

物体追跡#

これまでは、画像を扱うコンピュータービジョンのタスクについて説明してきました。物体追跡は、動画のフレーム全体を通してオブジェクトを追跡するコンピュータービジョンのタスクです。検出アルゴリズムを使って最初のフレームでオブジェクトを特定し、動画内を移動するオブジェクトの位置を継続的に追跡します。物体追跡では、追跡の精度を維持するために、物体検出、特徴抽出、動きの予測などの手法を使用します。

図7. YOLOv8を使用した魚の追跡。

YOLOv8のようなビジョンモデルを使って、海洋生物学における魚の追跡ができます。水中カメラを使えば、研究者は自然の生息地にいる魚の動きや行動をモニタリングできます。このプロセスでは、最初の数フレームで個々の魚を検出し、動画全体にわたって位置を追跡します。魚の追跡は、科学者による移動パターンや社会的行動、環境との相互作用の理解に役立ちます。また、魚の分布や個体数に関するインサイトを提供し、持続可能な漁業の実践を支援します。

コンピュータービジョンのまとめ#

コンピュータビジョンは、テクノロジーの活用方法や世界との関わり方を積極的に変えています。深層学習モデルと複雑なアルゴリズムを使って画像や動画を理解することで、コンピュータビジョンは多くの業界でプロセスの効率化を支援します。物体検出や物体追跡などのコンピュータビジョンタスクにより、以前は不可能だったソリューションを実現できるようになっています。コンピュータビジョン技術の進歩に伴い、今後も多くの革新的な用途が生まれるでしょう。

一緒に学び、成長しましょう！GitHubリポジトリで、AIへの貢献をご覧ください。自動運転車や農業などの業界を、AIでどのように変革しているかご確認ください。