Object Detection

物体検出は、コンピュータビジョン (CV)の分野における重要なテクノロジーであり、コンピューターシステムが画像データ内の特定の対象を識別して位置を特定できるようにします。画像全体に単一のラベルを付与する、より単純な画像分類タスクとは異なり、物体検出では、物体のクラス（例：「人物」「車」「犬」）と空間的位置を同時に予測することで、きめ細かな理解を実現します。この位置は通常、対象を囲む長方形のバウンディングボックスで表され、モデルの確信度を示す信頼度スコアが付随します。この二重の機能、つまり認識と位置特定は、現代の人工知能 (AI)アプリケーションにおける感覚的基盤として機能し、機械が環境と有意義に相互作用できるようにします。

検出の仕組み#

最新の検出器は、入力画像から複雑な特徴を抽出するために、ディープラーニング (DL)アーキテクチャ、特に畳み込みニューラルネットワーク (CNNs)に大きく依存しています。このプロセスは学習フェーズから始まり、COCOデータセットのような大規模なラベル付きデータセットを使用して、モデルがパターンを認識できるように学習します。このフェーズでは、アルゴリズムがモデルの重みを最適化し、予測誤差を最小限に抑えます。

モデルを推論用にデプロイすると、新しい画像をスキャンして潜在的な物体を提案します。次に、高度なアルゴリズムが非最大抑制 (NMS)を適用して重複する検出結果を除外し、それぞれの個別の対象が1回だけ強調表示されるようにします。これらの予測の精度は、予測ボックスと正解データの重なりを測定する共通部分と和集合の比 (IoU)メトリクスを使用して評価されることが一般的です。近年の進歩により、YOLO26のようなエンドツーエンドアーキテクチャが登場し、エッジデバイス上で優れた速度とリアルタイム推論機能を実現するために、このパイプラインを効率化しています。

主要用語の違い#

プロジェクトに適したツールを選ぶには、物体検出と関連する概念を区別することが重要です。

• 物体検出と画像分類の比較: 画像分類が「この画像には何があるか？」に答えるのに対し、物体検出は「何がどこにあるか？」に答えます。
• 物体検出とインスタンスセグメンテーションの比較: 検出では対象の周囲にボックスを描画します。一方、インスタンスセグメンテーションでは、各物体のピクセル単位で正確な輪郭（マスク）を特定します。
• 物体検出と物体追跡の比較: 検出では単一フレーム内の物体を検出します。物体追跡では、動画シーケンス全体でこれらの検出結果を関連付け、時間の経過に伴う動きを監視します。

実世界での利用例#

物体検出の汎用性は、主要な業界全体でイノベーションを促進しています。自動車分野では、自動運転車におけるAIが検出モデルに大きく依存しており、歩行者、交通標識、その他の車両を瞬時に識別して安全に走行します。車載カメラからのビデオフィードを処理することで、これらのシステムは事故を防ぐための一瞬の判断を下します。

もう1つの代表的なユースケースは、小売業におけるAIです。自動レジシステムやスマート在庫管理ロボットは、物体検出を使用して棚をスキャンし、商品を認識し、在庫不足や誤配置された商品を検出します。この自動化により、商品を常に利用できる状態に保ち、サプライチェーンを効率化するとともに、顧客体験を向上させます。

物体検出の実装#

開発者は、ultralytics Pythonパッケージを使用して、検出ワークフローを簡単に実装できます。次の例では、事前学習済みのYOLO26モデルを読み込み、画像に対して推論を実行する方法を示します。

from ultralytics import YOLO

# Load the latest YOLO26n model (nano version for speed)
model = YOLO("yolo26n.pt")

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

# Display the results with bounding boxes
results[0].show()

運用の拡大を目指すチーム向けに、Ultralytics Platformは、データへのアノテーション付け、クラウドでのカスタムモデルの学習、ONNXやTensorRTなどのさまざまな形式へのデプロイを行うための包括的な環境を提供します。このようなプラットフォームを活用することで、MLOpsライフサイクルが簡素化され、エンジニアはインフラストラクチャの管理ではなく、アプリケーションの改善に集中できます。