物体検出

物体検出は、画像またはビデオ内にある1つまたは複数の物体を識別して位置を特定するコンピュータビジョン（CV）の基本的なタスクです。その目的は、物体が何かを分類するだけでなく、通常はそれぞれの周り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でもあります。この技術は、多くの高度な人工知能（AI）アプリケーションの基礎として機能し、機械が高度な理解力で物理的な環境を認識し、解釈できるようにします。

物体検出の仕組み

物体検出モデルは、通常、深層学習（DL）、特に畳み込みニューラルネットワーク（CNN）を使用して構築されます。このプロセスでは、画像をネットワークに供給し、ネットワークは検出されたオブジェクトのリストを出力します。各オブジェクトには、クラスラベル（例：「人」、「車」、「犬」）、信頼度スコア、およびバウンディングボックスの座標が含まれます。

現代の物体検出アーキテクチャは、入力画像から特徴を抽出するためのバックボーンと、バウンディングボックスとクラスを予測するための検出ヘッドの2つの主要な部分で構成されています。これらのアーキテクチャは、しばしばワンステージ検出器またはツーステージ検出器として分類されます。

• One-Stage Object Detectors: Ultralytics YOLOファミリーのようなモデルは、1回のパスで検出を実行するため、非常に高速でリアルタイム推論に適しています。すべてのバウンディングボックスとクラスの確率を同時に予測します。
• Two-Stage Object Detectors: R-CNNとそのバリアントのようなアーキテクチャは、まず関心領域を提案し、次にそれらの領域内のオブジェクトを分類します。多くの場合非常に正確ですが、One-Stage Detectorよりも遅くなる可能性があります。

物体検出 vs. その他のCVタスク

物体検出を、他の関連するコンピュータビジョンタスクと区別することが重要です。

• 画像分類: 画像全体に単一のラベルを割り当てます（例：「これは猫の写真です」）。オブジェクトの位置は特定しません。
• 画像セグメンテーション: 画像内の各ピクセルを分類し、オブジェクトの正確なアウトラインを提供します。インスタンスセグメンテーションは、同じオブジェクトクラスの異なるインスタンスを区別しますが、セマンティックセグメンテーションは、クラスのすべてのインスタンスを1つのエンティティとして扱います。
• 物体追跡: 物体検出の拡張であり、ビデオ内の複数のフレームにわたって特定の物体を追跡し、時間経過とともにその同一性を維持します。詳細については、動画内の移動物体の追跡に関するガイドをご覧ください。

実際のアプリケーション

物体検出は、多くの産業で使用されている革新的な技術です。

1. 自動運転車: 自動運転車では、物体検出は、歩行者、自転車、他の車両、および交通信号を識別して安全にナビゲートするために不可欠です。WaymoやTeslaのような企業は、自律システムを強化するためにこの技術に多大な投資を行ってきました。
2. 製造業におけるAI: 組み立てラインでは、検出モデルは欠陥を自動的に特定したり、コンポーネントが正しく組み立てられていることを確認したりします。これにより、品質管理が強化され、生産効率が向上します。
3. セキュリティと監視： 自動化されたシステムは、セキュリティアラームシステム構築に関するガイドで詳述されているように、不正な個人、放置された荷物、または異常な活動をリアルタイムで識別するためにオブジェクト検出を使用します。
4. 医療におけるAI: 医用画像解析では、モデルはX線やCTスキャンで腫瘍や骨折などの異常を検出して強調表示することにより、放射線科医を支援します。ブログで腫瘍検出にYOLO11を使用する方法について読むことができます。
5. 農業におけるAI: 物体検出機能を備えたドローンや地上ロボットは、作物の健康状態を監視し、害虫を特定し、収量を高精度で推定できます。

ツールとトレーニング

物体検出モデルの開発とデプロイには、豊富なツールと技術のエコシステムが関わっています。

• フレームワーク: PyTorchやTensorFlowのような一般的な深層学習フレームワークは、モデルを構築するためのコアライブラリを提供します。
• モデル: Ultralyticsは、YOLOv8やYOLO11のような最先端のモデルを提供しており、これらは速度と精度のバランスが最適化されています。モデル比較ページで、他のモデルとの比較をご覧いただけます。
• プラットフォーム: Ultralytics HUBは、一般的なCOCOデータセットのようなデータセットの管理から、カスタムモデルのトレーニング、モデルのデプロイの促進まで、ワークフロー全体を簡素化します。
• テクニック: トレーニングプロセスは、堅牢性を向上させるためのデータ拡張や、事前トレーニング済みモデルからの知識を活用するための転移学習などのテクニックから恩恵を受けることがよくあります。モデルのパフォーマンスは、mAPやIoUなどのメトリクスを使用して評価されます。詳細については、パフォーマンスメトリクスのガイドを参照してください。