ビジョンAIアプリケーションのための様々な種類のデータを探索する

最も一般的なAI画像・動画データセット

通常、スマートフォンで写真を撮ったり、CCTVの映像を見たりするときは、RGB画像を扱います。RGBは赤、緑、青の頭文字で、デジタル画像の視覚情報を表す3つの色チャンネルです。 

RGB画像と動画は、コンピュータ・ビジョンで使用される視覚データの一種で、どちらも標準的なカメラで撮影されたものである。重要な違いは、画像は一瞬をとらえるのに対し、動画は時間の経過に伴う変化を示す一連のフレームであることだ。

RGB画像は一般的に、物体検出、インスタンス分割、姿勢推定などのコンピュータビジョンタスクに使用されます。 Ultralytics YOLO11.これらのアプリケーションは、1フレーム内のパターン、形状、または特定の特徴を識別することに依存しています。 

一方、動画は、ジェスチャー認識、監視、行動の追跡など、動きや時間が重要な要素となる場合に不可欠です。動画は一連の画像とみなすことができるため、YOLO11 ようなコンピュータビジョンモデルは、フレームごとに処理し、時間経過に伴う動きや行動を理解する。

例えば、YOLO11 RGB画像やビデオを解析し、農地の雑草を検出したり、植物を数えたりすることができる。これにより、作物のモニタリングが強化され、生育サイクルの変化を追跡して、より効率的な農場管理が可能になる。

‍

ビジョンAIにおける深度データ：LiDARと3D知覚

深度データは、物体がカメラやセンサーからどのくらい離れているかを示すことで、視覚情報に第3の次元を加える。色とテクスチャのみをキャプチャするRGB画像とは異なり、深度データは空間的なコンテキストを提供する。物体からカメラまでの距離を示すことで、シーンの3Dレイアウトを解釈することが可能になる。

この種のデータは、LiDAR、ステレオビジョン（人間の奥行き知覚を模倣するために2台のカメラを使用）、Time-of-Flight（光が物体を往復するのにかかる時間を測定）カメラなどの技術を用いて取得される。 

そのなかでも、LiDAR（Light Detection and Ranging：光検出と測距）は深度測定において最も信頼性が高い。LiDARは、高速のレーザーパルスを照射し、それが跳ね返ってくるまでの時間を測定することで機能する。その結果、点群として知られる高精度の3Dマップが得られ、物体の形状、位置、距離がリアルタイムで強調される。

ビジョンAIシステムにおけるLiDARの役割の増大

LiDAR技術は主に2つのタイプに分けられ、それぞれが特定の用途や環境向けに設計されています。ここでは、この2つのタイプについて詳しく見ていこう：

• エアボーンLiDAR：通常、広域のマッピングに使用されるエアボーンLiDARスキャナーは、ドローンや航空機に搭載され、大規模な地形マッピング用の高解像度データを取得する。地形、森林、景観の測量に最適です。
  
  
• 地上型LiDAR:このタイプのLiDARデータは、インフラ監視、建設、屋内マッピングなどの用途のために、車両または固定プラットフォームに取り付けられたセンサーから収集されます。小規模で局所的なエリアに対して非常に詳細なデータを提供するため、都市計画や特定の構造物の測量などの作業に役立ちます。

LiDARデータは、車線検出、衝突回避、近くの物体の識別などのタスクで重要な役割を果たす自律走行車両に応用されています。LiDARは環境の詳細なリアルタイム3Dマップを生成し、車両が物体を確認し、距離を計算し、安全にナビゲートすることを可能にします。

‍

AIアプリケーションにおける熱および赤外線データの利用

RGB画像は可視光線のスペクトルをとらえますが、熱画像や赤外線画像のような他の画像技術はこれを超えます。赤外線画像は、物体から放射または反射される赤外線をキャプチャするため、低照度条件下で有効です。

対照的に、赤外線画像は物体が発する熱を検知して温度差を表示するため、完全な暗闇でも、煙や霧などの障害物を通り抜けても作動します。この種のデータは、特に温度変化が潜在的な問題を知らせる可能性がある産業での監視や問題の検出に役立ちます。

興味深い例として、電気部品の過熱の兆候を監視するためにサーモグラフィが使われていることが挙げられます。サーモグラフィは温度差を検出することで、機器の故障や火災、高額な損害につながる前に問題を特定することができます。 

‍

同様に、赤外線画像は、ガスや液体の漏れを示す温度差を識別することで、パイプラインや断熱材の漏れを検出するのに役立ちます。

AIにおけるマルチスペクトルとハイパースペクトル画像処理

赤外線やサーモグラフィが電磁スペクトルの特定の側面をとらえるのに対し、マルチスペクトル画像は、健全な植生の検出や表面物質の識別など、特定の目的のためにそれぞれ選択されたいくつかの波長範囲から光を収集する。 

ハイパースペクトル画像は、数百の非常に狭く連続した波長範囲の光を捕捉することで、これをさらに一歩進めます。これにより、画像内の各ピクセルの詳細な光シグネチャーが得られ、観察される物質についてより深い理解が得られる。

‍

マルチスペクトルとハイパースペクトルの両イメージングは、特殊なセンサーとフィルターを使って異なる波長の光を取り込む。そのデータは、スペクトルキューブと呼ばれる3D構造に整理され、各層は異なる波長を表す。 

AIモデルはこのデータを分析して、通常のカメラや人間の目では見えない特徴を検出することができる。例えば、植物の表現型分類では、ハイパースペクトル画像を使って、栄養不足やストレスなど、葉や茎の微妙な変化を検出することで、植物の健康状態や成長をモニターすることができる。これにより、研究者は侵襲的な方法を用いることなく、植物の健康状態を評価し、農法を最適化することができる。

AIを使ったレーダーとソナーの画像解析

レーダーとソナーイメージングは、LiDARと同様に、信号を発信し、その反射を分析することで物体を検出し、マッピングする技術である。視覚情報を取得するために光波に依存するRGBイメージングとは異なり、レーダーは電磁波、通常は電波を使用し、ソナーは音波を使用する。レーダーとソナーの両システムはパルスを放射し、信号が物体から跳ね返ってくるまでの時間を測定することで、物体の距離、大きさ、速度に関する情報を提供する。

レーダー画像は、霧や雨、夜間など視界が悪いときに特に役立つ。光に依存しないため、完全な暗闇でも航空機、車両、地形を検出できる。このため、レーダーは航空、気象監視、自律航法において信頼できる選択肢となる。

それに比べ、ソナー・イメージングは光が届かない水中環境でよく使われる。水中を伝わり、水中の物体に跳ね返る音波を利用し、潜水艦の探知、海底のマッピング、水中での救助活動などを可能にする。コンピュータービジョンの進歩により、ソナーデータをインテリジェントな解析と組み合わせることで、水中探知をさらに強化し、探知と意思決定を向上させることができるようになった。

‍

AIモデル学習のための合成およびシミュレートされた視覚データ

これまで、さまざまな種類のデータについて述べてきたが、それは現実世界から収集できるものであった。しかし、合成データとシミュレートされたビジュアルデータは、どちらも人工的なコンテンツの一種です。合成データは、3DモデリングやジェネレーティブAIを使用してゼロから生成され、リアルな画像や動画を作成します。 

‍

シミュレートされたデータも同様だが、光の反射、影の形成、物体の動きなど、物理的な世界の挙動を再現した仮想環境を作成する必要がある。シミュレートされた視覚データはすべて合成されたものですが、すべての合成データがシミュレートされたものではありません。重要な違いは、シミュレートされたデータは見た目だけでなく、現実的な挙動を再現することです。

これらのデータタイプは、特に実世界のデータを収集するのが困難な場合や、特定の稀な状況をシミュレートする必要がある場合に、コンピュータビジョンモデルのトレーニングに役立ちます。開発者はシーン全体を作成し、オブジェクトの種類、位置、照明を選択し、トレーニング用にバウンディングボックスなどのラベルを自動的に追加することができます。これにより、コストと時間のかかる実際の写真や手作業によるラベリングを必要とせず、大規模で多様なデータセットを迅速に構築することができます。

例えば、ヘルスケアでは、合成データは、実際の画像の大規模なデータセットを収集し、ラベル付けすることが困難な乳がん細胞をセグメント化するモデルを訓練するために使用することができます。合成データとシミュレートされたデータは、柔軟性と制御性を提供し、実世界のビジュアルが制限されるギャップを埋める。

AIアプリケーションに適したビジュアル・データの種類を選ぶ

さまざまなタイプのビジュアル・データがどのように機能し、何ができるかを見てきたところで、特定のタスクに最適なデータタイプを詳しく見ていこう：

• RGB画像： 画像分類や物体検出のような一般的なコンピュータビジョンタスクに最適。色とテクスチャをキャプチャしますが、低照度や視界不良などの厳しい条件下では限界があります。
  
  
• LiDARイメージング：レーザーパルスを使った高精度3Dマッピング。ロボット工学、自律走行車、インフラ検査など、正確な距離測定が必要な用途に最適。
  ‍
• 赤外線画像：温度差を検出できるため、夜間の監視、消火活動、機械や建物の熱漏れの検出など、視認性の低い状況で役立つ。
  ‍
• マルチスペクトルおよびハイパースペクトル画像：農業モニタリング、医薬品の品質管理、リモートセンシングなど、詳細な物質分析が必要な作業に有効。これらの方法は、可視光以外の幅広い波長のデータを取得することで、より深い洞察を提供します。
  
  
• レーダーとソナーによるイメージング：レーダーとソナーは、視認性の低い環境で使用される。レーダーは電波を使用し、航空やナビゲーションに役立ち、ソナーは音波を使用し水中探知に役立つ。
  
  
• 合成およびシミュレートされた視覚データ： 実世界のデータが限られていたり、入手できなかったり、ラベル付けが難しい場合に、AIモデルのトレーニングに最適です。これらの人工ビジュアルは、稀なイベントやセーフティクリティカルな状態などの複雑なシナリオのための多様なデータセットを構築するのに役立ちます。

実世界の状況において、単一のデータタイプでは十分な精度やコンテキストが得られないことがある。そこで、マルチモーダルセンサ・フュージョンが重要になる。RGBを熱、深度、LiDARのような他のデータタイプと組み合わせることで、システムは個々の限界を克服し、信頼性と適応性を向上させることができます。 

例えば、倉庫オートメーションでは、物体認識にRGB、距離測定に深度、機器の過熱検知に熱を使用することで、作業の効率化と安全性が向上します。最終的には、アプリケーションの特定のニーズに基づいてデータタイプを選択したり、組み合わせたりすることで、最良の結果が得られます。

要点

ビジョンAIモデルを構築する際、適切な種類の視覚データを選択することは非常に重要です。物体検出、セグメンテーション、モーション・トラッキングなどのタスクは、アルゴリズムだけでなく、入力データの品質にも依存します。クリーンで多様かつ正確なデータセットは、ノイズを減らし、パフォーマンスを向上させるのに役立ちます。

RGB、深度、熱、LiDARのようなデータタイプを組み合わせることで、AIシステムは環境のより完全なビューを得ることができ、様々な条件下でより信頼性が高くなる。技術が向上し続けるにつれて、Vision AIはより速く、より適応性が高く、業界全体により大きな影響を与えるようになるだろう。

私たちのコミュニティに参加して、GitHubリポジトリを探索し、コンピュータビジョンについてもっと学びましょう。私たちのソリューションページで、ヘルスケアにおけるAIと 小売業におけるコンピュータビジョンに関連する様々なアプリケーションを発見してください。ビジョンAIを始めるには、 ライセンスオプションをチェックしてください。