画像分類

画像分類の仕組み

このプロセスでは通常、ラベル付けされた画像の大規模なデータセットに対して、モデル（多くの場合、畳み込みニューラルネットワーク（CNN）と呼ばれる特殊なニューラルネットワーク）を学習させる。ImageNetのような有名なデータセットは、何千ものカテゴリーにわたる何百万もの画像を含んでおり、ロバストモデルの訓練によく使われる。学習中、モデルは、テクスチャ、形状、エッジ、色分布など、異なるカテゴリを特徴付けるパターンや特徴を識別することを学習する。フレームワーク PyTorchや TensorFlowなどのフレームワークは、これらのディープラーニングモデルの構築と学習に必要なツールとライブラリを提供します。CIFAR-100や MNISTのような様々なUltralytics 分類データセットを探索し、独自のプロジェクトを始めることができる。最終的な目標は、訓練されたモデルが新しい、以前に見たことのない画像のクラスラベルを正確に予測することです。基礎となるメカニズムをより深く技術的に理解するには、スタンフォード大学のCS231nコース「Convolutional Neural Networks for Visual Recognition（視覚認識のための畳み込みニューラルネットワーク）」のようなリソースが包括的な教材を提供しています。

他のビジョン・タスクとの主な違い

画像分類は、画像全体に単一の包括的なラベルを割り当てることに重点を置いている。このため、他の一般的なコンピュータ・ビジョン・タスクとは一線を画している：

• オブジェクト検出:このタスクは、画像内のオブジェクトを分類するだけでなく、通常、検出された各インスタンスの周囲にバウンディングボックスを描画することによって、それらの位置を特定することにより、さらに一歩進めます。この画像にはどのような物体があり、どこに位置しているのか？
• 画像分割:これは、画像内の各ピクセルを分類することを含む。
  • セマンティック・セグメンテーションは、同じクラスの異なるインスタンスを区別することなく、すべてのピクセルにクラスラベル（例えば、「車」、「道路」、「空」）を割り当てる。
  • インスタンス分割は、オブジェクトの個々のインスタンスを区別し、それぞれの個別のオブジェクトに属するピクセルに一意の識別子を割り当てる（例えば、「車1」、「車2」とラベル付けする）。

これらの違いを理解することは、特定の問題に対して適切な技術を選択するために非常に重要である。

実世界での応用

画像分類は、視覚情報を分類するのに有効であるため、様々な領域で広く使用されている：

• 医用画像解析:医療スキャン（X線、CTスキャン、MRIなど）を分類して診断を支援する。例えば、腫瘍の検出にYOLO モデルを使用するなど、特定の状態の兆候を示すスキャンを分類するようにモデルをトレーニングし、放射線科医を支援することができます。ヘルスケアソリューションのAIをもっと見る。
• 農業技術:作物の画像を分類し、病気の特定、植物の健康状態の評価、成熟度の判定を行う。例えば、ドローンや農家が撮影した写真を「健康な小麦」または「小麦さび病が検出された」と分類し、タイムリーな介入を可能にします。農業におけるコンピュータービジョンの詳細
• 小売とEコマース:オンラインカタログの商品画像を自動的に分類し、検索性と在庫管理を改善します。
• コンテンツ・モデレーション:ソーシャルメディアやウェブサイト上の画像を安全か不適切かに分類し、フィルタリングすること。
• 野生生物の保護:シマウマのように）動物の個体数を監視し、種を特定するためにカメラトラップからの画像を分類する。

Ultralytics画像分類

Ultralytics YOLO モデルは物体検出で有名だが、画像分類タスクでも高い性能を発揮する。最先端のアーキテクチャ Ultralytics YOLO11のような最先端のアーキテクチャは、直感的なUltralytics Python パッケージやコード不要のUltralytics HUBプラットフォームを使って、分類のためのトレーニングや微調整を簡単に行うことができます。これらのツールは、モデルトレーニングのヒントや、画像分類のためのUltralytics YOLO11 使用方法のガイドのような明確なドキュメントを含む包括的なリソースを提供します。さらに練習したい場合は、PyTorch 分類チュートリアルを調べたり、Kaggleの画像分類コンテストに参加することを検討してください。最新の研究動向を知るには、Papers With Codeのようなリソースは非常に貴重です。また、標準的なベンチマークで YOLO モデルのパフォーマンスを比較することもできます。