Image Classification

画像分類は、コンピュータビジョン (CV)における基礎的なタスクであり、機械学習モデルが画像全体を分析し、あらかじめ定義されたカテゴリ群から1つのラベルを割り当てます。基本的には、「この画像の主な対象は何か？」という問いに答えるものです。人工知能 (AI)の中核コンポーネントとして、このプロセスは、視覚データを大規模に自動で整理、分類、解釈するシステムを実現します。人間の目には単純に見えるかもしれませんが、コンピューターがパターンを認識できるようにするには、生のピクセルと意味のある概念との隔たりを埋める高度な機械学習 (ML)アルゴリズムが必要です。

分類の仕組み#

最新の画像分類は、畳み込みニューラルネットワーク (CNNs)として知られるディープラーニング (DL)アーキテクチャに大きく依存しています。これらのネットワークは、生物の視覚野が情報を処理する方法を模倣するように設計されています。特徴抽出と呼ばれるプロセスを通じて、モデルは初期層でエッジやテクスチャなどの低レベル属性を識別することを学習し、最終的にはそれらを組み合わせて、より深い層で複雑な形状や物体を認識します。

分類器を構築するために、開発者は教師あり学習を使用し、ラベル付きの例を含む膨大な量のトレーニングデータをモデルに入力します。ImageNetのような大規模な公開データセットは、これらのシステムの精度向上に大きく貢献してきました。推論フェーズでは、モデルは各カテゴリの確率スコアを出力し、多くの場合、最も可能性の高いクラスを決定するためにsoftmax関数を利用します。

分類とその他のビジョンタスクの比較#

画像分類と関連するコンピュータビジョン機能は区別することが重要です。これは、使用する手法が具体的な問題によって異なるためです。

• 分類と物体検出の比較: 分類では、画像全体に1つのラベルを割り当てます。一方、物体検出では、各物体の周囲にバウンディングボックスを描画することで、シーン内にある複数の物体の位置を特定します。
• 分類と画像セグメンテーションの比較: 分類が画像の全体的なコンテキストを扱うのに対し、セグメンテーションはピクセルレベルの精度を提供します。セマンティックセグメンテーションでは個々のピクセルをすべて分類できるため、物体と背景の境界を正確に区別できます。

実世界での利用例#

画像分類は、さまざまな業界にわたる幅広い現実世界のAIアプリケーションを支えています。

医療診断#

医療分野では、分類モデルが診断用スキャンを分析し、放射線科医を支援します。医療画像解析ツールは、X線やMRIを「正常」または「異常」として迅速に分類したり、腫瘍検出などの特定の状態を識別したりできるため、患者のトリアージと診断を迅速化できます。

製造業における品質管理#

工場では、製品基準を維持するために自動化された目視検査を活用しています。組立ライン上のカメラが部品の画像を撮影し、分類モデルが目に見える欠陥に基づいて、それらを即座に「合格」または「不合格」とラベル付けします。この自動化された品質管理により、欠陥のない製品だけが梱包段階に進むことが保証されます。

スマート農業#

農業従事者は、作物の健全性を監視するために農業におけるAIを活用しています。ドローンやスマートフォンで撮影した画像を分類することで、システムは病気、栄養不足、害虫の発生の兆候を特定し、対象を絞った精密農業の対策を可能にします。

Ultralytics YOLO26による分類の実装#

Ultralytics YOLO26フレームワークは、検出で知られていますが、画像分類タスクでも最先端の性能を発揮します。そのアーキテクチャは速度と精度が最適化されており、リアルタイムアプリケーションに適しています。

事前トレーニング済みモデルを読み込み、ultralytics Pythonパッケージを使用して画像を分類する方法を簡潔に示した例を以下に示します。

from ultralytics import YOLO

# Load a pre-trained YOLO26 classification model
model = YOLO("yolo26n-cls.pt")

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

# Print the top predicted class name
print(f"Prediction: {results[0].names[results[0].probs.top1]}")

ワークフローの効率化を目指すチームには、Ultralytics Platformがパイプライン全体を簡素化します。ユーザーは、分類データセットの管理、クラウドベースのトレーニング、ONNXやTensorRTなどのさまざまな形式へのモデルのデプロイを、大規模なコーディング基盤なしで行えます。