物体検出における平均適合率（mAP）

AIの導入は急速に進んでおり、自動運転車から、棚上の商品を識別できる小売システムまで、さまざまなイノベーションにAIが組み込まれています。これらのテクノロジーは、機械が視覚データを分析できるようにする人工知能（AI）の一分野であるコンピュータービジョンに依存しています。

コンピュータービジョンシステムやアルゴリズムの精度を測定するために使用される重要な評価指標が、平均適合率（mAP）です。mAP指標は、ビジョンAIモデルの予測が現実世界の結果とどの程度一致しているかを示します。

一般的なコンピュータービジョンのタスクに物体検出があります。これは、モデルが画像内の複数の物体を識別し、その周囲にバウンディングボックスを描画するタスクです。mAPは物体検出モデルの性能評価に使用される標準指標であり、Ultralytics YOLO11のようなディープラーニングモデルのベンチマークに広く使用されています。

この記事では、平均適合率の計算方法と、物体検出モデルをトレーニングまたは評価するすべての人にとって平均適合率が不可欠である理由を説明します。さっそく始めましょう。

平均適合率（mAP）とは何ですか？#

平均適合率は、画像内のさまざまな物体の検出や識別など、視覚情報の取得に関連するタスクにおけるディープラーニングモデルの精度を示すスコアです。たとえば、犬、猫、車が写った写真を分析する物体検出モデルを考えてみましょう。信頼性の高いモデルは、各物体を認識し、その位置と種類を示すバウンディングボックスとラベルを描画することで、物体検出を実行できます。

mAPは、モデルが多数の画像やさまざまな種類の物体に対して、このタスクをどの程度適切に実行できるかを示します。モデルが各物体と画像内の位置を正確に識別できているかを確認します。スコアは0から1の範囲で、1はモデルがすべてを完全に検出したことを、0は物体を1つも検出できなかったことを意味します。

平均適合率（mAP）の主要概念#

機械学習における平均適合率の概念を詳しく見ていく前に、基本的な2つの用語であるグラウンドトゥルースと予測について理解を深めましょう。

グラウンドトゥルースとは、画像内の物体とその位置を、アノテーションと呼ばれるプロセスを通じて人間が注意深くラベル付けした正確な参照データを指します。一方、予測とは、AIモデルが画像を分析した後に出力する結果です。AIモデルの予測をグラウンドトゥルースと比較することで、モデルの結果が正解にどの程度近かったかを測定できます。

図1. モデルの予測とグラウンドトゥルースのバウンディングボックス。画像：著者。

混同行列#

混同行列は、物体検出モデルの精度を理解するためによく使用されます。これは、モデルの予測と実際の正解（グラウンドトゥルース）がどのように一致するかを示す表です。この表から、真陽性、偽陽性、偽陰性、真陰性という4つの主要な構成要素または結果の内訳を確認できます。

混同行列における各構成要素の意味は次のとおりです。

• 真陽性（TP）： 物体とその位置がモデルによって正しく検出されています。
• 偽陽性（FP）： モデルは検出しましたが、その検出は誤りです。
• 偽陰性（FN）： 実際には画像内に存在する物体を、モデルが検出できませんでした。
• 真陰性（TN）： モデルが物体の不在を正しく識別した場合に、真陰性となります。

通常、物体検出では画像内の多数の空白領域を無視するため、真陰性はあまり使用されません。ただし、モデルが画像にラベルを割り当てる画像分類など、他のコンピュータービジョンタスクでは重要です。たとえば、画像に猫が含まれているかどうかを検出するタスクで、画像に猫が含まれていないときにモデルが「猫なし」と正しく識別した場合、それは真陰性です。

図2. 混同行列における分類結果。画像：著者。

和集合に対する共通部分（IoU）#

物体検出モデルの評価におけるもう1つの重要な指標が、和集合に対する共通部分（IoU）です。このようなビジョンAIモデルでは、画像内に物体が存在することを検出するだけでは不十分であり、バウンディングボックスを描画するために、画像内のどこに物体があるかも特定する必要があります。

IoU指標は、モデルが予測したボックスと実際の正しいボックス（グラウンドトゥルース）がどの程度一致しているかを測定します。スコアは0から1の範囲で、1は完全一致、0は重なりがまったくないことを意味します。

たとえば、IoUが高い場合（0.80や0.85など）、予測ボックスがグラウンドトゥルースのボックスとよく一致しており、位置を正確に特定できていることを意味します。IoUが低い場合（0.30や0.25など）、モデルが物体の位置を正確に特定できていないことを意味します。

検出が成功したかどうかを判断するには、さまざまなしきい値を使用します。一般的なIoUしきい値は0.5で、予測ボックスがグラウンドトゥルースのボックスと少なくとも50%重なっている場合に、真陽性としてカウントされます。このしきい値を下回る重なりは、偽陽性とみなされます。

図3. 和集合に対する共通部分について。画像：著者。

適合率と再現率#

ここまで、物体検出モデルの性能を理解するための基本的な評価指標をいくつか見てきました。これを踏まえると、最も重要な指標のうち2つが適合率と再現率です。これらにより、モデルの検出がどの程度正確かを明確に把握できます。詳しく見ていきましょう。

適合率は、モデルの予測のうち実際に正しかったものがいくつあるかを示します。これは、モデルが検出したと主張したすべての物体のうち、実際に存在していたものはいくつか、という問いに答える指標です。

一方、再現率は、画像内に実際に存在するすべての物体をモデルがどの程度見つけられるかを測定します。これは、実際に存在するすべての物体のうち、モデルが正しく検出できたものはいくつか、という問いに答える指標です。

適合率と再現率を組み合わせることで、モデルの性能をより明確に把握できます。たとえば、モデルが画像内に10台の車を予測し、そのうち9台が実際に車だった場合、適合率は90%（陽性予測）です。

この2つの評価指標には、トレードオフが伴うことがよくあります。モデルは、確信度が十分に高い予測だけを行うことで高い適合率を達成できますが、その結果、多くの物体を見逃して再現率が低下する可能性があります。一方、ほぼすべての場所にバウンディングボックスを予測することで非常に高い再現率を達成することもできますが、適合率は低下します。

図4. 適合率と再現率。画像：著者。

平均適合率#

適合率と再現率は個々の予測に対するモデルの性能を理解するのに役立ちますが、平均適合率（AP）はより広い視点を提供します。平均適合率は、モデルがより多くの物体を検出しようとするときに適合率がどのように変化するかを示し、その性能を1つの数値にまとめます。

平均適合率スコアを計算するには、まず物体の種類ごとに、適合率と再現率を組み合わせたグラフ形式の指標である適合率-再現率曲線（またはPR曲線）を作成します。この曲線は、モデルがより多くの予測を行うと何が起こるかを示します。

モデルが最も簡単な、または最も明白な物体だけを検出するところから始める状況を考えてみましょう。この段階では、ほとんどの予測が正しいため適合率は高くなりますが、多くの物体をまだ見逃しているため再現率は低くなります。モデルが、より難しい物体やまれな物体を含め、より多くの物体を検出しようとすると、通常はエラーが増えます。その結果、適合率は低下し、再現率は上昇します。

平均適合率は曲線の下の面積（PR曲線のAUC）です。面積が大きいほど、より多くの物体を検出する場合でも、モデルが予測の正確さを維持できていることを意味します。APはクラスラベルごとに個別に計算されます。

たとえば、車、自転車、歩行者を検出できるモデルでは、これら3つのカテゴリごとにAP値を個別に計算できます。これにより、モデルがどの物体の検出を得意としているか、またどの部分に改善の余地があるかを確認できます。

図5. 5つの異なるクラスに対するPR曲線。[(出典)]

平均適合率#

各物体クラスの平均適合率を計算した後も、すべてのクラスにわたるモデル全体の性能を表す単一のスコアが必要です。これは、平均適合率の公式を使用することで実現できます。この公式では、すべてのカテゴリのAPスコアを平均します。

たとえば、Ultralytics YOLO11のようなコンピュータービジョンモデルが、車でAP 0.827、オートバイで0.679、トラックで0.355、バスで0.863、自転車で0.982を達成したとします。mAPの公式を使うと、これらの数値を合計し、クラスの総数で割って次のように計算できます。

mAP = (0.827 + 0.679 + 0.355 + 0.863 + 0.982) ÷ 5 = 0.7432 ≈ 0.743

mAPスコア0.743は、すべての物体クラスにわたるモデルの性能を評価するための分かりやすい指標です。1に近い値は、モデルがほとんどのカテゴリで正確であることを意味し、低い値は一部のカテゴリで苦戦していることを示します。

コンピュータービジョンにおけるAPとmAPの重要性#

APとmAPの計算方法と構成要素について理解を深めたところで、コンピュータービジョンにおけるそれらの重要性をまとめます。

• 特定クラスのAPが低い： 1つのクラスのAPが低い場合、モデルがその特定の物体クラスの処理に苦戦していることがよくあります。これは、トレーニングデータが不十分であることや、オクルージョンなど画像内の視覚的な課題が原因である可能性があります。

• 位置特定エラー： 低いIoUしきい値（mAP@0.50など）でmAP値が高く、高いIoUしきい値（mAP@0.75など）で大幅に低下する場合、モデルは物体を検出できるものの、正確な位置特定に苦戦していることを示します。

• 過学習： トレーニングデータセットでのmAP値が高い一方、検証データセットでのmAP値が低い場合は、過学習の兆候であり、新しい画像に対してモデルが信頼できないことを意味します。

平均適合率の実世界での応用#

次に、mAPなどの主要な指標が、実世界のコンピュータービジョンのユースケース構築にどのように役立つかを見ていきましょう。

自動運転車：mAP値が高いほど道路の安全性が向上する理由#

自動運転車では、歩行者、道路標識、自転車利用者、車線標示を識別するために、物体検出が不可欠です。たとえば、子どもが突然道路を横切った場合、車は数秒以内に物体（子ども）を検出し、その位置を特定して動きを追跡し、必要な措置（ブレーキをかける）を講じる必要があります。

Ultralytics YOLO11のようなモデルは、このような安全性が特に重要な状況でリアルタイム物体検出を行うように設計されています。このような場合、mAPは安全性を測る重要な指標になります。

高いmAPスコアは、システムが子どもをすばやく検出し、その位置を正確に特定して、最小限の遅延でブレーキを作動させることを保証します。mAPが低い場合、検出漏れや、子どもを別の小さな物体と取り違えるような危険な誤分類につながる可能性があります。

図6. 道路上の歩行者検出にYOLO11を使用した例。[(出典)]

正確な商品検出へのmAPの活用#

同様に、小売では、物体検出モデルを在庫監視や精算プロセスなどのタスクの自動化に利用できます。セルフレジで顧客が商品をスキャンするとき、検出エラーは不満につながる可能性があります。

高いmAPスコアは、商品が密集している場合でも、モデルが類似商品を正確に区別し、精密なバウンディングボックスを描画できることを示します。mAPスコアが低いと、取り違えにつながる可能性があります。たとえば、モデルがオレンジジュースのボトルを見た目の似たアップルジュースのボトルと誤認すると、誤った請求や不正確な在庫レポートにつながる可能性があります。

Ultralytics YOLO11のようなモデルと統合された小売システムは、商品をリアルタイムで検出し、在庫と照合して、バックエンドシステムを即座に更新できます。変化の速い小売環境では、業務の正確性と信頼性を維持するうえでmAPが重要な役割を果たします。

医療における高いmAPによる診断精度の向上#

医療における診断精度の向上は、医用画像における正確な検出から始まります。YOLO11のようなモデルは、放射線科医が医療スキャン画像から腫瘍、骨折、その他の異常を発見するのに役立ちます。ここで、平均適合率はモデルの臨床的な信頼性を評価するための不可欠な指標です。

高いmAPは、モデルが高い再現率（実際の問題の大部分を識別すること）と高い適合率（誤警報を回避すること）の両方を達成していることを示し、これは臨床上の意思決定において重要です。また、極めて正確な検出を確保するため、医療におけるIoUしきい値は0.85または0.90など、非常に高く設定されることがよくあります。

一方、mAPスコアが低いと懸念が生じる可能性があります。たとえば、モデルが腫瘍を見逃すと、診断が遅れたり、誤った治療につながったりする可能性があります。

mAPを使用するメリットとデメリット#

物体検出モデルの評価に平均適合率を使用する主なメリットは次のとおりです。

• 標準化された指標： mAPは物体検出モデルを評価する業界標準です。mAP値により、異なるモデル間で公平かつ一貫した比較ができます。

• 実世界の性能を反映： 高いmAPは、モデルがさまざまな物体クラスの検出に優れ、複雑な実世界のシナリオでも高い性能を維持していることを示します。

• クラスごとの診断： mAPスコアは、各クラスの検出性能を個別に評価します。これにより、性能の低いカテゴリ（自転車や道路標識など）を特定し、それに応じてモデルをファインチューニングしやすくなります。

mAP指標の使用にはさまざまなメリットがありますが、考慮すべき制限もあります。考慮すべき要素をいくつか紹介します。

• 技術に詳しくない関係者には難しい： ビジネスチームや臨床チームにとって、mAP値は、より直感的で理解しやすい指標とは異なり、抽象的に感じられる場合があります。

• リアルタイムの制約を反映しない： mAPは、時間制約のあるアプリケーションのデプロイに不可欠な推論速度やレイテンシを考慮しません。

主なポイント#

平均適合率は単なる技術的なスコアではなく、モデルが実世界で発揮できる可能性を反映するものだと分かりました。自動運転車システムでも小売の精算でも、高いmAPスコアはモデルの性能と実用化への準備が整っていることを示す信頼性の高い指標になります。

mAPは不可欠で影響力のある指標ですが、包括的な評価戦略の一部として捉える必要があります。医療や自動運転などの重要なアプリケーションでは、mAPだけに頼るのでは不十分です。

システムが安全で効率的かつ本来の目的に真に適していることを確認するには、推論速度（モデルが予測を行う速さ）、モデルサイズ（エッジデバイスへのデプロイに影響）、定性的なエラー分析（モデルが犯すミスの種類を理解すること）などの追加要素も考慮する必要があります。

成長を続けるコミュニティとGitHubリポジトリに参加して、コンピュータービジョンについて詳しく学びましょう。ソリューションページで、農業におけるコンピュータービジョンや物流におけるAIの活用例をご覧ください。ライセンスオプションを確認して、今すぐ独自のコンピュータービジョンモデルを始めましょう。