インスタンスセグメンテーションとは何ですか？簡単なガイド

コンピュータービジョンのアプリケーションは、道路状況を監視する交通カメラから店舗のセルフレジシステムまで、日常生活でますます一般的になっています。機械が人間と同じように視覚データを理解できるようにすることで、ビジョンAIはさまざまな業界に影響を与えています。

これらのアプリケーションの多くは、画像内の重要なオブジェクトをバウンディングボックスで囲むコンピュータービジョンタスクである物体検出を利用しています。この方法は多くの場合うまく機能しますが、画像解析ソリューションによっては、さらに高い精度が必要です。

たとえば、医用画像では腫瘍を検出するだけでなく、その正確な形状を輪郭として示すことが重要です。同様に、ロボティクスでは、機械がオブジェクトを正しくつかむために、その正確な輪郭を認識する必要があります。こうした課題に対応するため、インスタンスセグメンテーションは、より高精度なソリューションを提供します。

インスタンスセグメンテーションは、オブジェクトの検出だけでは不十分なユースケースを支援するために設計されたコンピュータービジョンタスクで、ピクセルレベルの精度を実現します。Ultralytics YOLO11などのコンピュータービジョンモデルを使えば、画像や動画にインスタンスセグメンテーションを簡単に適用できます。

図1. YOLO11をインスタンスセグメンテーションに使用する例。

このガイドでは、インスタンスセグメンテーションの仕組みや用途、特定のセグメンテーションタスク向けにUltralytics YOLO11をカスタムトレーニングする方法について説明します。

インスタンスセグメンテーションとは？#

人々が近くに立っている集合写真を想像してみてください。物体検出を使えば各人を囲むボックスを描けますが、それだけでは正確な形状はわかりません。

一方、インスタンスセグメンテーションは、重なり合っていても全体の輪郭がわかるように、各人の周囲を丁寧になぞることに似ています。ボックスで位置を示すだけでなく、各オブジェクトの正確な形状をピクセルレベルで特定するため、複雑な画像を理解しやすくなります。

その結果、オブジェクトの形状を塗りつぶした詳細なマスクが生成され、どのピクセルがそのオブジェクトに属するかを正確に特定できます。この精度は、オブジェクトの正確な形状や境界の理解が重要となる多くの実世界のアプリケーションで役立ちます。

図2. インスタンスセグメンテーションに対するUltralytics YOLO11のサポートを紹介しています。

インスタンスセグメンテーションとセマンティックセグメンテーションの比較#

インスタンスセグメンテーションについて調べていると、セマンティックセグメンテーションという概念を目にすることがあります。

どちらの手法もコンピューターが画像をピクセルレベルで理解するのに役立ちますが、目的は異なります。セマンティックセグメンテーションは各ピクセルにカテゴリーに基づくラベルを付け、同じ種類のオブジェクトをまとめます。たとえば、複数の車が写った画像では、個々の車両を区別せずにすべてを「車」としてマークします。

一方、インスタンスセグメンテーションはさらに踏み込み、各オブジェクトを個別に識別します。個々のインスタンスに固有のラベルを割り当て、その形状に沿った精密なマスクを作成します。そのため、同じ画像でも、すべてを単に「車」としてラベル付けするのではなく、それぞれの車を個別に認識して輪郭を描きます。

この2つの主な違いは、セマンティックセグメンテーションがオブジェクトをカテゴリー別にまとめるのに対し、インスタンスセグメンテーションは明確な境界を持つ固有のエンティティとして各オブジェクトを区別する点です。どちらのタスクを使うかは、画像に何が写っているかを知るだけで十分なのか、個々のオブジェクトを区別する必要があるのかなど、具体的なアプリケーションによって異なります。

プロジェクトに必要なタスクの判断については、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比較：選び方をご覧ください。

図3. インスタンスセグメンテーションとセマンティックセグメンテーションの比較（それぞれ右、左）。

主なインスタンスセグメンテーションモデル#

現在、ビジョンAIコミュニティではさまざまなインスタンスセグメンテーションモデルが利用できます。高速なもの、高精度なもの、使いやすいものがあります。

これらの選択肢は有用ですが、特定のタスクにどれが適しているのかという疑問も生じます。選択肢の中でも、速度と精度を重視するUltralytics YOLOモデルは非常に人気があります。

また、これらのモデルは長年にわたって大きく進化してきました。たとえば、Ultralytics YOLOv5はPyTorchなどのフレームワークを使ってデプロイを簡素化し、深い技術的専門知識がなくても、より幅広いユーザーが高度なビジョンAIを利用できるようにしました。

この成功を基盤として、Ultralytics YOLOv8は、インスタンスセグメンテーション、姿勢推定、画像分類などのコンピュータービジョンタスクへの対応を強化しました。

Ultralytics YOLO11は（後継モデルはUltralytics YOLO26です）、性能をさらに向上させました。YOLOv8mよりパラメーター数が22%少ない一方で、COCOデータセットにおける平均適合率（mAP）はより高く、より少ないリソースで物体を正確に認識できます。

図4. YOLO11のベンチマーク。

簡潔に言えば、Ultralytics YOLO11は効率を損なうことなく、最先端の精度を実現します。

インスタンスセグメンテーションの仕組みを理解する#

次に、インスタンスセグメンテーションの一般的な仕組みを見ていきましょう。従来のコンピュータービジョンモデルは、2段階のアプローチを採用しています。

まず、物体の周囲にバウンディングボックスを描いて検出します。次に、ピクセル単位のマスクを生成し、それぞれの物体の正確な形状を輪郭として示します。よく知られた例にMask R-CNNがあります。これは、物体検出モデルにマスク予測のステップを加えたものです。この方法は効果的ですが、画像を複数段階に分けて処理するため時間がかかり、リアルタイムアプリケーションの実現が難しくなる場合があります。

一方、Ultralytics YOLO11などのモデルは画像を一度に処理し、オブジェクトのバウンディングボックスとインスタンスセグメンテーションマスクを同時に予測します。この効率的なアプローチにより、高い精度を維持しながら大幅な高速化を実現します。そのため、自動運転、動画解析、ロボティクスなど、速度と精度の両方が重要となるリアルタイムアプリケーションで特に役立ちます。

インスタンスセグメンテーション向けUltralytics YOLO11のカスタムトレーニング#

YOLO11は、すぐに使える事前学習済みモデルとして提供されています。日常的な物体を対象とするCOCO-Segデータセットで学習済みです。ただし、Ultralytics Pythonパッケージはカスタム学習にも対応しており、独自の物体をセグメンテーションする必要がある専門的なアプリケーションに不可欠です。

モデルのカスタムトレーニングやファインチューニングが重要なのはなぜでしょうか？カスタムトレーニングでは、事前学習済みモデルにすでに組み込まれている知識を活用し、転移学習を行います。ゼロから始めるのではなく、少量のデータセットと少ない計算リソースで既存モデルを新しいタスクに適応させ、高い精度を維持できます。

Ultralytics YOLO11をカスタムトレーニングする方法#

以下では、インスタンスセグメンテーション向けにUltralytics YOLO11をファインチューニングする手順を詳しく見ていきます。

• データの準備: 特定のアプリケーションに応じて画像を収集し、アノテーションを付けます。Ultralyticsは複数の画像データセットに対応していますが、必要なYOLO形式で画像とアノテーションを準備すれば、独自のデータセットを使ってトレーニングすることもできます。
• 事前学習済みモデルの使用: ゼロから始めるのではなく、事前学習済みのUltralytics YOLO11モデルを使用します。
• モデルのトレーニング: バッチサイズ（1回の反復で処理する画像数）、画像サイズ（目標入力解像度）、エポック数（トレーニングの合計サイクル数）などの重要な設定を調整して、モデルをトレーニングします。
• パフォーマンスの評価: モデルのトレーニングが完了したら、mAPなどのパフォーマンス指標を使ってモデルの精度をテストできます。Ultralytics Pythonパッケージには、モデル評価用の組み込み関数も用意されています。

Ultralytics YOLO11で実現するインスタンスセグメンテーションの用途#

インスタンスセグメンテーションは、機械がオブジェクトをより正確に認識して理解できるようにすることで、実世界の課題解決に役立ちます。自動化の改善から環境保護まで、多くの分野で重要な役割を果たしています。活用が進んでいる事例をいくつか見ていきましょう。

Ultralytics YOLO11を使った建設現場の安全確保と監視#

インスタンスセグメンテーションは、建設現場の安全性と効率性を確保するうえで重要な役割を果たします。たとえば、重機の監視に利用できます。

Ultralytics YOLO11をファインチューニングすると、クレーン、掘削機、ブルドーザーなど、さまざまな種類の機材を正確にセグメンテーションして識別し、その位置をリアルタイムで追跡できます。これにより現場管理者は、機械が指定区域内だけで稼働し、作業員がいる区域や危険区域に侵入しないよう確認できます。

さらに、このようなソリューションをリアルタイム警告システムと統合すれば、迅速な是正措置が可能になります。また、収集した知見は現場のレイアウトやワークフローの最適化にも役立ち、リスクをさらに軽減して生産性を高めます。

図5. Ultralytics YOLO11を使った重機の監視。

セグメンテーションとUltralytics YOLO11による動物のモニタリング#

動物行動のモニタリングは、研究者、農家、自然保護活動家がさまざまな環境で動物をより適切にケアするのに役立ちます。インスタンスセグメンテーションは、農場、動物園、自然の生息地にいる個々の動物を識別してセグメンテーションすることで、こうしたシステムを支援します。バウンディングボックスを使う従来の物体検出とは異なり、インスタンスセグメンテーションは各動物をピクセルレベルで描画するため、動物同士が近接している場合に特に役立ちます。

詳細なセグメンテーションにより、動きや行動をより正確に追跡できます。重なり合った動物や密集した動物を区別できるため、相互作用、健康状態、活動パターンをより正確に分析できます。動物の行動を深く理解することで、動物のケアや管理の改善につながります。

図6. インスタンスセグメンテーションを使った牛のモニタリング。

スポーツ分析と選手追跡におけるUltralytics YOLO11#

選手やイベントを正確に追跡することは、スポーツ分析において非常に重要です。従来の追跡方法は手動タグ付けに依存しており、詳細な相互作用を捉えられない場合があります。コンピュータービジョンを使うと、各選手、ボール、重要なイベントなどをピクセルレベルでセグメンテーションし、詳細な知見を得られます。

たとえば、インスタンスセグメンテーションを使うと、各選手やオブジェクトを明確に分離して、ファウルやボールから離れた場所での出来事などを検出できます。Ultralytics YOLO11などのモデルによる詳細なモニタリングは、アナリストが移動パターン、空間的な位置関係、相互作用を高精度で調査するための明確な情報を提供します。こうした知見は、チームが戦略を改善し、全体的なパフォーマンスを高めるうえで役立ちます。

インスタンスセグメンテーションのメリットとデメリット#

インスタンスセグメンテーションがさまざまな業界にもたらす主なメリットをいくつか紹介します。

• 自動化の改善: 品質管理や安全監視などのタスクを自動化することで、インスタンスセグメンテーションは手作業の必要性を減らし、人為的ミスを最小限に抑えます。
• シーン理解の向上: 各オブジェクトの輪郭を正確に描くことで、インスタンスセグメンテーションは複雑なシーンへの理解を深め、より適切な意思決定を支援します。
• 後処理の効率化: ピクセルレベルの出力により、背景除去、オブジェクトのカウント、空間解析などのタスクが簡素化され、追加の処理工程を減らせます。

こうしたメリットは、さまざまなユースケースでインスタンスセグメンテーションがもたらす効果を示していますが、導入に伴う課題も考慮することが重要です。

インスタンスセグメンテーションの主な制約をいくつか紹介します。

• 透明なオブジェクトの課題: ガラスや水のような透明または反射するオブジェクトのセグメンテーションは難しく、境界の精度が低くなることがあります。
• 保守の負担: モデルの精度と有用性を維持するには、環境条件やデータセットの変化に応じて、継続的な更新とファインチューニングが必要です。
• アノテーション作業の負担: インスタンスセグメンテーションモデルのトレーニングには詳細なピクセルレベルのアノテーションが必要で、データ準備にかかる時間とコストが大幅に増加します。

重要なポイント#

インスタンスセグメンテーションを使うと、オブジェクトが重なり合っていても、個々のオブジェクトを正確に区別できます。オブジェクトの境界をピクセルレベルで捉えることで、物体検出などの従来のコンピュータービジョンタスクと比べ、視覚データをより深く理解できます。

コンピュータービジョンの近年の進歩により、インスタンスセグメンテーションはより高速で使いやすくなりました。特に、Ultralytics YOLO11などのコンピュータービジョンモデルはプロセスを簡素化し、最小限のセットアップでリアルタイムセグメンテーションを可能にするため、さまざまな業界やアプリケーションで利用しやすくなっています。

AIに興味がありますか？GitHubリポジトリをご覧になり、コミュニティに参加して、さらに探求を続けましょう。ソリューションページでは、自動運転車におけるAIや農業におけるビジョンAIなどのイノベーションをご紹介しています。ライセンスオプションを確認して、コンピュータービジョンプロジェクトを始めましょう。