データを多様化するためのAlbumentations拡張の使用

コンピュータビジョンのソリューションを構築する際、ビジョンAIモデルのトレーニング用に多様な画像セットを収集することは、プロセスの重要な部分となります。多くの場合、多大な時間と費用がかかり、収集した画像であっても、モデルが効果的に学習するにはバリエーションが不十分である場合があります。

例えば、Ultralytics YOLO11のようなコンピュータビジョンモデルは、さまざまなアプリケーションに関連するさまざまなコンピュータビジョンタスクの画像データセットでカスタムトレーニングすることができます。多様なデータは、モデルの汎化性能を高め、幅広い現実世界のシナリオでオブジェクトやパターンを認識できるようにするため、極めて重要です。

データの多様性が不足している場合は、画像データのオーグメンテーション技術が優れた解決策となります。回転、反転、明るさ調整といった手法は、データセットのバリエーションを増やし、より幅広い条件に対応できるモデルの能力を向上させます。

そのため、Ultralyticsでは画像データ拡張の統合をサポートしています。さまざまな変換を提供する人気ツールであるAlbumentationsを使用すると、多様なビジュアルデータを作成できます。この統合により、トレーニング画像を自動的に拡張してYOLO11のトレーニングプロセスが簡素化され、モデルのパフォーマンスが向上します。

この記事では、Albumentationsの統合方法とその利点、そしてモデルトレーニングへの影響について解説します。

Albumentationsとは何ですか？#

コンピュータビジョンモデルは、さまざまな高品質の画像の幅広いセットから学習して、さまざまな環境でオブジェクトを認識できます。現実世界のソースから大規模なデータセットを収集するのは、時間がかかり、費用がかかり、非効率的である可能性があります。このタスクを効率化するために、画像データ拡張を使用して既存の画像の新しいバリエーションを作成し、より多くのデータを収集することなくモデルがさまざまなシナリオから学習できるようにすることができます。

具体的には、2018年に効率的な画像データオーグメンテーションのために導入されたオープンソースライブラリであるAlbumentationsを活用できます。回転や反転といった単純な幾何学的変化から、明るさ、コントラスト、ノイズ追加といったより複雑な調整まで、多様な操作をサポートしています。

図 1. さまざまな種類の画像データ拡張の例。

Albumentationsの主な機能#

Albumentationsは高性能で知られており、画像を素早く効率的に処理できます。OpenCVやNumPyなどの最適化されたライブラリ上に構築されており、最小限の処理時間で大規模なデータセットを処理できるため、モデルのトレーニング中の高速なデータ拡張に最適です。

Albumentationsのその他の主な機能は以下の通りです。

• 広範な変換: Albumentationsは70種類以上のオーグメンテーションを提供します。これらのバリエーションは、照明、角度、背景の変化にかかわらず、モデルがオブジェクトを検出できるように学習を支援します。
• スピードの最適化: 複数のデータポイントを一度に処理して画像オーグメンテーションを高速化し、大規模なデータセットを効率的に処理するSIMD（Single Instruction, Multiple Data）などの高度な最適化技術を使用しています。
• 3つのレベルのオーグメンテーション: 3つの方法でデータを拡張します。例えば、ピクセルレベルのオーグメンテーションは、オブジェクトを変更せずに明るさや色を調整します。一方、空間レベルのオーグメンテーションは、重要な詳細を維持しながらオブジェクトの位置を変更し、ミキシングレベルのオーグメンテーションは、異なる画像のパーツをブレンドして新しいサンプルを作成します。

なぜAlbumentationsの統合を使用すべきなのですか？#

データセットにオーグメンテーションを適用する方法はたくさんあり、OpenCVのようなツールを使用して独自のものを作成することもできるため、なぜAlbumentationsのようなライブラリをサポートする統合を選ぶ必要があるのか疑問に思うかもしれません。

OpenCVなどのツールを使用して手動で拡張を作成するには、多くの時間がかかり、ある程度の専門知識が必要です。また、最良の結果を得るために変換を微調整するのも難しい場合があります。Albumentationsの統合により、このプロセスが容易になります。データセットの準備時に時間と労力を節約できる、すぐに使用できる多くの変換を提供します。

Albumentations統合を選択するもう1つの理由は、Ultralyticsのモデルトレーニングパイプラインとスムーズに連携することです。トレーニング中に拡張が自動的に適用されるため、YOLO11のカスタムトレーニングがはるかに簡単になります。プロセスが簡素化されるため、データ準備の処理ではなく、モデルの改善に集中できます。

Albumentationsの統合を使い始める#

興味深いことに、Albumentations連携を使用してUltralytics YOLO11をトレーニングすることは、見た目よりもはるかに簡単です。必要なライブラリがセットアップされると、トレーニング中に画像データの拡張が自動的に適用されます。これにより、同じデータセットを使用しながら、モデルがさまざまな画像のバリエーションから学習できるようになります。

次に、Ultralytics YOLO11のカスタムトレーニング時にAlbumentations連携をインストールして使用する方法について説明します。

Ultralytics PythonパッケージとAlbumentationsのインストール#

拡張を適用する前に、Ultralytics PythonパッケージとAlbumentationsの両方をインストールする必要があります。この統合は、デフォルトで両方のライブラリがシームレスに連携するように構築されているため、複雑な設定について心配する必要はありません。

インストールプロセス全体は、Pythonライブラリをインストールするためのパッケージ管理ツールであるpipコマンドを1つ実行するだけで、わずか数分で完了します。以下の画像を参照してください。

図2. UltralyticsとAlbumentationsのインストール。

Albumentationsがインストールされると、Ultralyticsモデルトレーニングモードによってトレーニング中に画像拡張が自動的に適用されます。Albumentationsがインストールされていない場合、これらの拡張は適用されません。詳細については、公式のUltralyticsドキュメントを参照してください。

Albumentations連携を使用したUltralytics YOLO11のトレーニング#

Albumentationsの統合の内部で何が起きているのか、理解を深めましょう。

Ultralytics YOLO11のトレーニング中に適用されるデータ拡張について詳しく見ていきます。

• Blur (ぼかし): この変換は画像にわずかなぼかしを加えます。これにより、オブジェクトが焦点から外れている場合でもモデルが検出できるよう支援します。
• Median blur (メディアンブラー): 画像内のオブジェクトの境界を維持しながらランダムノイズを低減します。これにより、モデルが複雑な環境でオブジェクトを検出しやすくなります。
• Grayscale (グレースケール): 画像を白黒に変換することで、このオーグメンテーションはモデルが色ではなく形状やテクスチャに集中できるように支援します。
• CLAHE (Contrast limited adaptive histogram equalization): このオーグメンテーションは画像のコントラストを向上させます。特に低照度や霧のような状況など、暗すぎる、または見にくい領域において効果的です。これにより、それらの領域内のオブジェクトがより鮮明になり、モデルが識別しやすくなります。

図 3. 猫の画像に適用されたグレースケール拡張の例。

Ultralytics YOLO11とAlbumentations連携のアプリケーション#

特定のアプリケーションのためにUltralytics YOLO11をカスタムトレーニングしている場合、Albumentations連携はさまざまな条件に適応することでモデルのパフォーマンスを向上させるのに役立ちます。実際のアプリケーションと、この連携によって解決できる課題について説明します。

医療画像の改善#

医療分野におけるビジョンAIは、医師が医用画像をより正確に分析して診断を支援し、患者ケアを向上させるのに役立っています。実際、医療機関の約5分の1がすでにAIソリューションを使用しています。

しかし、これらのコンピュータビジョンソリューションの構築には、独自の課題があります。医学的スキャンは病院によって大きく異なる可能性があり、使用する機器、設定、技術者の経験といった要因に影響を受けます。明るさ、コントラスト、露出の変化はビジョンAIモデルの一貫性と精度に影響を与える可能性があり、異なる環境間で確実に機能させることが困難になる場合があります。

ここで、Albumentationsのようなツールの統合が不可欠となります。同じスキャンの複数のオーグメンテーションバージョンを生成することで、Albumentationsはモデルが様々な画像品質から学習できるようにします。これにより、モデルはより堅牢になり、高画質および低画質の画像の両方で病気を正確に検出できるようになります。

図 4. 拡張されたX線画像。

セキュリティと監視の強化#

ビジョンAIのもう1つの興味深い用途は、セキュリティと監視です。リアルタイムオブジェクト検出は、セキュリティチームが潜在的な脅威を素早く特定するのに役立ちます。

このアプリケーションに関連する主な懸念事項は、監視カメラが一日を通して様々な照明条件下で映像をキャプチャする点であり、これらの条件はモデルが画像を理解する方法に劇的な影響を与える可能性があります。低照度環境、まぶしさ、視認性の悪さといった要因により、コンピュータビジョンモデルがオブジェクトを検出したり、潜在的な脅威を継続的に認識したりすることが困難になる場合があります。

Albumentationsの統合は、異なる照明条件を模倣する変換を適用することで役立ちます。これにより、モデルは明るい環境と低照度の環境の両方でオブジェクトを検出できるように学習し、信頼性が向上し、困難な条件下での応答時間が短縮されます。

小売ワークフローと顧客体験の再定義#

スーパーマーケットの通路でのこぼれ、店内を走り回る犬、または商品のディスプレイを倒す子供は、小売環境におけるビジョンAI環境のエッジケースになり得る日常的な出来事のほんの一例にすぎません。コンピュータビジョンは、買い物客の行動の追跡、歩行者数のモニタリング、棚の商品の特定を通じて顧客体験を向上させるためにますます使用されています。しかし、こうした現実世界の状況は、AIシステムが理解して正確に処理するのが難しい場合があります。

すべてのシナリオをコンピュータビジョンデータセットで表現できるわけではありませんが、Albumentationsの統合は、予期しない照明、珍しい角度、障害物など、考えられる多くの状況をカバーするためにデータをオーグメンテーションすることで役立ちます。これにより、コンピュータビジョンモデルが様々な条件に適応できるようになり、エッジケースへの対応能力が向上し、ダイナミックな小売環境において正確な予測が可能になります。

重要なポイント#

モデルトレーニングのための多様な実世界のデータの収集は複雑になる可能性がありますが、Albumentationsはモデルが異なる条件に適応できるようにする画像のバリエーションを作成することで、これを容易にします。

UltralyticsによってサポートされるAlbumentationsの統合は、YOLO11のカスタムトレーニング中にこれらのオーグメンテーションを適用するプロセスを簡素化します。これにより、データセットの品質が向上し、より正確で信頼性の高いビジョンAIモデルを生み出すことで、幅広い業界に利益をもたらします。

コミュニティに参加し、GitHubリポジトリを探索してAIについてさらに学び、ライセンスオプションを確認してビジョンAIプロジェクトを開始してください。製造業におけるAIや自動運転におけるコンピュータビジョンなどのイノベーションに興味がありますか?ソリューションページにアクセスして詳細をご覧ください。