Albumentationsのデータ拡張を使ってデータを多様化

コンピュータービジョンソリューションを構築する際、Vision AIモデルの学習用に多様な画像を収集することは、重要な工程になる場合があります。多くの時間と費用がかかることが多く、画像を収集しても、モデルが効果的に学習するには多様性が足りない場合があります。

たとえば、Ultralytics YOLO11のようなコンピュータービジョンモデルは、さまざまな用途に関する多様なコンピュータービジョンタスク向けに、画像データセットでカスタム学習できます。多様なデータは、モデルの汎化性能を高め、幅広い実世界の状況で物体やパターンを認識できるようにするため、重要です。

多様なデータが不足してお困りの場合は、画像データ拡張手法が有効な解決策になります。回転、反転、明るさの調整などの手法でデータセットの多様性を高め、より幅広い状況に対応するモデルの能力を向上させることができます。

そのため、Ultralyticsは画像データ拡張との連携をサポートしています。さまざまな変換を利用できる人気のツールであるAlbumentationsを使って、多様な画像データを作成できます。この連携では学習画像が自動で拡張されるため、YOLO11の学習プロセスが簡素化され、モデルの性能向上につながります。

この記事では、Albumentations連携の使用方法とそのメリット、モデル学習への影響について説明します。

Albumentationsとは#

コンピュータービジョンモデルは、高品質で多様な画像から学習し、さまざまな環境で物体を認識できます。実世界の情報源から大規模なデータセットを収集するには、時間と費用がかかり、効率もよくありません。この作業を効率化するには、画像データ拡張を使用して既存の画像から新たなバリエーションを作成できます。追加のデータを収集せずに、モデルがさまざまな状況から学習できるようになります。

具体的には、2018年に効率的な画像データ拡張のために公開されたオープンソースライブラリ、Albumentationsを活用できます。回転や反転などの単純な幾何学的変換から、明るさ、コントラスト、ノイズの追加といった複雑な調整まで、さまざまな処理に対応しています。

図1. さまざまな種類の画像データ拡張の例。

Albumentationsの主な特徴#

Albumentationsは高いパフォーマンスで知られており、画像をすばや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を基盤として、大規模なデータセットを最小限の処理時間で扱えるため、モデル学習中の高速なデータ拡張に適しています。

Albumentationsのその他の主な特徴を紹介します。

• 幅広い変換: Albumentationsは70種類以上のデータ拡張を提供します。こうしたバリエーションにより、照明、角度、背景が変化しても、モデルが物体を検出できるように学習できます。
• 速度を重視した最適化: 複数のデータポイントを一度に処理して画像拡張を高速化し、大規模なデータセットを効率よく扱うため、SIMD（単一命令・複数データ）などの高度な最適化手法を使用します。
• 3つのレベルのデータ拡張: 3つの方法でデータを拡張します。たとえば、ピクセルレベルのデータ拡張では、物体を変えずに明るさや色を調整します。一方、空間レベルのデータ拡張では、重要な詳細を保ちながら物体の位置を変更します。また、ミキシングレベルのデータ拡張では、異なる画像の一部をブレンドして新しいサンプルを作成します。

Albumentations連携を使う理由#

データセットにデータ拡張を適用する方法は数多くあり、OpenCVなどのツールを使って独自の方法を作成することもできます。それでも、Albumentationsのようなライブラリをサポートする連携を選ぶ理由は何かと疑問に思うかもしれません。

OpenCVなどのツールでデータ拡張を手動作成すると、時間がかかり、ある程度の専門知識も必要です。最適な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連携を使うと、このプロセスが簡単になります。すぐに使える多様な変換により、データセットの準備にかかる時間と労力を節約できます。

Albumentations統合を選ぶもう一つの理由は、Ultralyticsのモデルの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。拡張処理はUltralyticsの組み込み拡張とともにトレーニング中に自動適用されるため、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ので、データ準備に対処するよりもモデルの改善に集中できます。

Albumentations連携を始める#

興味深いことに、Albumentations統合を使ったUltralytics YOLO11のトレーニングは、思ったより簡単です。適切なライブラリをセットアップすると、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。同じデータセットを使いながら、さまざまな画像のバリエーションからモデルが学習できるようになります。

次に、Ultralytics YOLO11をカスタム学習する際のAlbumentations連携のインストール方法と使用方法を説明します。

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

拡張処理を適用する前に、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、両方のライブラリがデフォルトで連携するように構築されているため、複雑な設定を心配する必要はありません。

以下の画像に示すように、Pythonライブラリをインストールするためのパッケージマネージャーであるpipを使えば、単一のコマンドでインストール作業全体をわずか数分で完了できます。

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

Albumentationsをインストールすると、Ultralyticsのモデルのトレーニングモードがトレーニング中に画像拡張を自動適用します。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。トレーニング引数augmentationsに渡すことで、デフォルトの拡張を独自のカスタムAlbumentations変換に置き換えることもできます。

Albumentations連携を使ったUltralytics YOLO11の学習#

Albumentations連携の内部で何が行われているのか、詳しく見ていきましょう。

Ultralytics YOLO11の学習中に適用されるデータ拡張を詳しく見てみましょう。

• ぼかし: この変換では、画像にわずかなぼかしを加えます。ピントが合っていない場合でも、モデルが物体を検出できるようにします。
• メディアンブラー: 画像内の物体のエッジを保ちながら、ランダムなノイズを低減します。複雑な環境でモデルが物体を検出しやすくなります。
• グレースケール: 画像を白黒に変換することで、色ではなく形状やテクスチャにモデルが注目できるようにします。
• CLAHE（コントラスト制限適応ヒストグラム均等化）: 画像のコントラストを高めます。特に、暗すぎる領域や低照度、かすみなどで見えにくい領域に効果があります。こうした領域内の物体がよりはっきりし、モデルが識別しやすくなります。

図3. 猫の画像にグレースケール拡張を適用した例。

Ultralytics YOLO11とAlbumentations連携の活用例#

特定の用途に合わせてUltralytics YOLO11をカスタム学習する場合、Albumentations連携によってさまざまな状況に適応し、モデルの性能を高めることができます。この連携で解決できる実世界の活用例や課題をいくつか紹介します。

医療画像の改善#

医療分野におけるVision AIは、医師が医療画像をより正確に分析し、診断を支援して患者ケアを改善するのに役立っています。実際、医療機関のおよそ5分の1がすでにAIソリューションを導入しています。

しかし、こうしたコンピュータービジョンソリューションの構築には、特有の課題があります。医療画像は、機器や設定の違い、さらには技師の経験などの要因によって、病院ごとに大きく異なる場合があります。明るさ、コントラスト、露出の違いは、Vision AIモデルの一貫性と精度に影響し、さまざまな環境で安定した性能を発揮することを難しくします。

ここで、Albumentationsのようなツールの統合が不可欠になります。同じスキャン画像の拡張バージョンを複数生成することで、Albumentationsはさまざまな画質の画像からモデルが学習できるようにします。これによりモデルの堅牢性が高まり、高品質画像と低品質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. 拡張したX線画像。

セキュリティと監視の強化#

Vision AIのもう一つの興味深い活用分野は、セキュリティと監視です。リアルタイム物体検出は、セキュリティチームが潜在的な脅威をすばやく特定するのに役立ちます。

この用途に関する主な懸念点は、監視カメラが一日を通してさまざまな照明条件下で映像を撮影することであり、こうした条件はモデルによる画像の認識に大きな影響を与える可能性があります。低照度環境、グレア、視界不良などの要因により、コンピュータービジョンモデルが物体を検出したり、潜在的な脅威を一貫して認識したりすることが難しくなります。

Albumentations連携では、さまざまな照明条件を再現する変換を適用して、この課題に対応します。これにより、明るい環境と低照度環境の両方で物体を検出できるようモデルが学習し、難しい条件下での信頼性と応答速度が向上します。

小売業務のワークフローと顧客体験の刷新#

スーパーの通路に商品をこぼすこと、犬が店内を走り回ること、子どもが商品ディスプレイを倒すことは、小売業におけるVision AIの環境でエッジケースになり得る日常的な出来事の一例です。コンピュータービジョンは、買い物客の行動の追跡、来店者数の監視、棚の商品特定を通じて、顧客体験を改善するためにますます活用されています。しかし、こうした実世界の状況は、AIシステムが理解し、正確に処理することが難しい場合があります。

コンピュータービジョンのデータセットですべての状況を表現することはできませんが、Albumentations連携では予想外の照明、通常とは異なる角度、遮蔽物など、さまざまな状況を網羅するようデータを拡張できます。これにより、コンピュータービジョンモデルがさまざまな条件に適応し、変化の多い小売環境でエッジケースに対応して正確な予測を行う能力が向上します。

重要なポイント#

モデル学習用に多様な実世界のデータを収集するのは難しい場合がありますが、Albumentationsを使うと、さまざまな状況への適応に役立つ画像のバリエーションを作成できます。

UltralyticsがサポートするAlbumentations連携により、YOLO11のカスタム学習時にこうしたデータ拡張を適用するプロセスが簡素化されます。その結果、データセットの品質が向上し、より正確で信頼性の高いVision AIモデルを実現することで、幅広い業界にメリットをもたらします。

コミュニティに参加し、GitHubリポジトリを確認して、AIについて詳しくご覧ください。また、Vision AIプロジェクトを始めるためにライセンスオプションもご確認ください。製造業におけるAIや自動運転におけるコンピュータービジョンなどの革新的な取り組みに関心がありますか。ソリューションページで詳細をご覧ください。