画像分割

画像セグメンテーションは、デジタル画像を複数の異なる領域またはセグメントに分割する、コンピュータビジョン（CV）の基本的なタスクである。その目的は、画像内のすべてのピクセルに特定のラベルを割り当て、オブジェクトと背景のピクセルレベルのマップを効果的に作成することである。単純なボックスで物体の位置を特定するような他の CV タスクとは異なり、画像セグメンテーションでは、各物体の正確な形状の輪郭を示すことで、より詳細な理解が得られます。このきめ細かさは、シーンのジオメトリと構図を深く理解する必要があるアプリケーションにとって極めて重要である。このプロセスは、多くの高度なAIアプリケーションの基礎となっている。

画像分割の種類

画像のセグメンテーションは、主に3つのタイプに分類され、それぞれ異なる詳細レベルを提供し、明確な目的を果たす：

• セマンティック・セグメンテーション：この手法では、画像内の各ピクセルを "車"、"道路"、"空 "などの定義済みのカテゴリーに分類する。同じオブジェクトクラスのすべてのインスタンスは、単一のラベルの下にグループ化される。たとえば、複数の自動車が写っている画像では、セマンティック・セグメンテーションによって、どの自動車に属する画素も、1台の自動車と他の自動車を区別することなく、単に「自動車」とラベル付けされる。
• インスタンス・セグメンテーション：この方法は、各ピクセルを分類するだけでなく、同じクラスの個々のインスタンスを区別することで、セグメンテーションをさらに一歩進めたものである。同じストリートシーンにおいて、インスタンスセグメンテーションは、それぞれの車をユニークなオブジェクトとして識別し、"車1"、"車2 "などに別々のマスクを割り当てる。これは、個々のオブジェクトを数えたり追跡したりする必要がある場合に特に有効である。
• パノプティック・セグメンテーション：ハイブリッドアプローチとして、パノプティックセグメンテーションは、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両方の長所を兼ね備えている。セマンティックセグメンテーションのように）1つ1つのピクセルにクラスラベルを割り当てると同時に、（インスタンスセグメンテーションのように）各オブジェクトのインスタンスを一意に識別することで、シーンを完全かつ統一的に理解することを目的としている。これにより、最も包括的なシーン解析が可能になる。

画像セグメンテーションと他のCVタスクとの違い

画像セグメンテーションを他の一般的なコンピュータ・ビジョン・タスクと区別することは重要である：

• 画像の分類：画像全体に単一のラベルを付けることに重点を置く（例えば「これはビーチの写真です」）。画像に何が写っているかは理解できるが、どこに何が写っているかは理解できない。
• オブジェクト検出：通常、オブジェクトの周りにバウンディングボックスを描くことによって、画像内のオブジェクトを識別し、位置を特定します。どのようなオブジェクトが存在するか、おおよその位置はわかりますが、正確な形状はわかりません。
• 画像分割：各オブジェクトの正確な境界をピクセルレベルでアウトライン化することで、最も詳細な情報を提供し、オブジェクトの形状と位置を正確に理解します。

アプリケーションと使用例

画像セグメンテーションの詳細な出力は、多くの分野で貴重なものとなっている。

• 自律走行車：自動運転車が安全にナビゲートするためには、環境を正確に把握する必要があります。セグメンテーション・モデルは、道路、車線、歩行者、他の車両、障害物の正確な境界を特定し、より良い進路計画と意思決定を可能にします。自動車産業におけるAIの役割については、こちらをご覧ください。
• 医療画像解析：ヘルスケアでは、セグメンテーションはMRIや CTスキャンなどの医療スキャンを解析するために使用される。セグメンテーションは、腫瘍や臓器、異常の輪郭を正確に描き出すことができるため、医師による正確な診断や手術計画、病気の進行状況のモニタリングに役立つ。U-Netのような生物医学的な文脈を得意とするアーキテクチャにとって、これは重要なアプリケーションである。
• 衛星画像解析：セグメンテーションモデルは、森林伐採や都市化などの環境変化を監視するために衛星画像を処理する。土地被覆（森林、水域、市街地など）を分類し、建物や船舶などの個々の物体を検出して、地図作成や情報収集に役立てる。
• 製造業とロボット工学自動化された工場では、セグメンテーションにより、ロボットがベルトコンベア上の特定の部品を識別して組み立てを行ったり、欠陥を高精度で検出して品質管理を行ったりすることができます。クラック・セグメンテーションでの使用については、こちらをご覧ください。

画像分割と超解析 YOLO

最新のディープラーニングモデル、特にCNN（Convolutional Neural Networks：畳み込みニューラルネットワーク）に基づくモデルは、画像セグメンテーションの標準となっている。YOLOv8や最新のYOLO11を含むUltralytics YOLOモデルは、高性能でリアルタイムのセグメンテーション機能を提供します。これらのモデルは、COCOのような標準的なデータセットや、特殊なタスクのためのカスタムデータセットで簡単にトレーニングすることができます。

Ultralyticsフレームワークは、モデルのトレーニングからパフォーマンスの検証、推論のためのデプロイまで、ワークフロー全体を簡素化する。実践的なガイドとしては、Google ColabのYOLO11を使った画像セグメンテーションのチュートリアルや、セグメンテーションされたオブジェクトを分離する方法を学ぶことができる。Ultralytics HUBのようなツールは、データセットを管理し、クラウドリソースでモデルをトレーニングし、実世界のアプリケーションにデプロイするためのノーコードソリューションを提供する。