Bounding Box

バウンディングボックスがコンピュータービジョンにおける物体の位置を定義する仕組みを学びます。座標形式、実際のアプリケーション、Ultralytics YOLO26の使用方法を探ります。

バウンディングボックスとは、画像または動画フレーム内の特定のオブジェクトを囲む、座標の集合によって定義された長方形の領域です。コンピュータービジョン（CV）の分野では、これらのボックスが、個別の項目の位置を特定して認識する方法を人工知能（AI）システムに学習させるための基本的なアノテーションとして機能します。画像全体を単に「車を含む」と分類するのではなく、バウンディングボックスを使用すると、モデルは車の正確な位置と空間的な範囲を特定し、背景やその他のエンティティと区別できます。この位置特定機能は、複数のオブジェクトを同時に高精度で識別することを目標とする物体検出タスクに不可欠です。

基本概念と座標#

視覚データを効果的に処理するため、機械学習（ML）モデルは、バウンディングボックスを数学的に表現するための特定の座標系に依存します。選択した形式によって、モデルのトレーニング用にデータを準備する方法や、モデルが予測を出力する方法が決まることがよくあります。

XYXY座標： この形式では、左上隅と右下隅の絶対ピクセル値を使用してボックスを定義します。画像に直接長方形を描画する場合、OpenCVやMatplotlibなどの可視化ツールで直感的に扱えます。
XYWH形式： COCOなどのデータセットで一般的なこの方法では、オブジェクトの中心点に続けて、ボックスの幅と高さを指定します。この表現は、学習プロセス中の損失関数の計算に不可欠です。
正規化座標： 解像度が異なる画像間でスケーラビリティを確保するため、座標は0から1の範囲にスケーリングされることがよくあります。これにより、さまざまなサイズの入力を分析する際に、モデルの汎化性能が向上します。

実世界での利用例#

バウンディングボックスは、さまざまな業界で利用される無数のAIソリューションの基盤です。正確な位置特定を可能にすることで、システムが物理世界とインテリジェントに взаимодействします。

自動運転車： 自動運転車は、バウンディングボックスを使用して、歩行者、他の車両、交通標識、障害物をリアルタイムで検出および追跡します。この空間認識は、ナビゲーションおよび安全システムが一瞬の判断を下すうえで重要です。
小売分析： スマートストアでは、バウンディングボックスによって棚上の在庫を監視し、顧客と商品のインタラクションを追跡できます。このデータにより、手作業で数えることなく、在庫の補充を自動化し、買い物客の行動に関するインサイトを得られます。

実際のバウンディングボックス#

YOLO26などの最新アーキテクチャを使用する場合、モデルはクラスラベルおよび信頼度スコアとともにバウンディングボックスを予測します。次の例では、画像に対して推論を実行し、ultralyticsパッケージを使用してバウンディングボックスの座標にアクセスする方法を示します。

from ultralytics import YOLO

# Load the YOLO26 model
model = YOLO("yolo26n.pt")

# Run inference on an image
results = model("https://ultralytics.com/images/bus.jpg")

# Access bounding box coordinates (xyxy format) for the first detected object
boxes = results[0].boxes
print(boxes.xyxy[0])  # Output: tensor([x1, y1, x2, y2, ...])

アノテーションと管理のためのツール#

高品質なバウンディングボックスアノテーションの作成は、MLパイプラインにおける重要なステップです。Ultralytics Platformは、データアノテーションおよびデータセット管理のためのツールを提供することで、このプロセスを簡素化します。適切なアノテーションにより、モデルはオブジェクトを正確に区別できるようになり、過学習や背景との混同などのエラーを最小限に抑えられます。非最大抑制（NMS）などの高度な技術は、推論中に重複するボックスを除去して予測を改善し、各オブジェクトについて最も正確な検出だけが残るようにするために使用されます。