Object Detection

物体検出は、コンピュータビジョン (CV) 分野における極めて重要な技術であり、コンピュータシステムが視覚データ内の特定のアイテムを識別し、特定することを可能にします。画像全体に単一のラベルを割り当てる単純な画像分類タスクとは異なり、物体検出は、オブジェクトのクラス（例：「人」、「車」、「犬」など）とその空間的な位置を同時に予測することで、より詳細な理解を提供します。この位置は通常、オブジェクト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伴います。この認識と位置特定という二重の機能は、現代の人工知能 (AI) アプリケーションの感覚的な基盤として機能し、機械が環境と有意義に対話することを可能にします。

Link to this section検出のメカニズム#

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 (CNN) に大きく依存しています。プロセスは、学習フェーズから始まります。ここでは、モデルがCOCOデータセットのような大規模なラベル付きコレクションを使用してパターンを認識することを学習します。このフェーズ中、アルゴリズムは予測誤差を最小限に抑えるようにモデルの重みを最適化します。

モデルが推論のためにデプロイされると、新しい画像をスキャンして潜在的なオブジェクトを提案します。その後、高度なアルゴリズムが非最大値抑制 (NMS) を適用して重複する検出結果を除去し、各エンティティが一度だけ強調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（グラウンドトゥルース）との重なりを測定するIntersection over Union (IoU) 指標を使用して評価されることがよくあります。最近の進歩により、YOLO26 のようなエンドツーエンドの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パイプラインが効率化されています。

Link to this section主要な用語の区別#

プロジェクトに適したツールを選択するために、物体検出と関連概念を区別することが重要です。

• 物体検出と画像分類: 画像分類が「この画像には何が写っているか？」という問いに答えるのに対し、物体検出は「何がどこにあるか？」という問いに答えます。
• 物体検出とインスタンスセグメンテーション: 検出はアイテムの周囲にボックスを描画します。対照的に、インスタンスセグメンテーションは、各オブジェクトの正確でピクセル単位の輪郭（マスク）を特定します。
• 物体検出とオブジェクトトラッキング: 検出は単一のフレーム内でオブジェクトを見つけます。オブジェクトトラッキングは、これらの検出結果を動画シーケンス全体で結びつけ、時間の経過に伴う動きを監視します。

Link to this section実社会での応用#

物体検出の汎用性は、主要な産業全体でイノベーションを推進しています。自動車分野では、自律走行車におけるAIが、安全に走行するために歩行者、交通標識、その他の車両を即座に識別する検出モデルに不可欠な形で依存しています。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瞬間的な判断を下します。

もう一つの顕著なユースケースは、小売におけるAIに見られます。自動チェックアウトシステムやスマートな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、製品を認識し、在庫不足や置き間違いを検知します。この自動化により、サプライチェーンが合理化され、常に製品が入手可能な状態を保つことで顧客体験が向上します。

Link to this section物体検出の実装#

開発者は、ultralytics Pythonパッケージを使用して、簡単に検出ワークフローを実装できます。以下の例は、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ています。

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()

運用を拡大しようとしているチーム向けに、Ultralytics Platform は、データの注釈付け、クラウドでのカスタムモデルの学習、ONNX や TensorRT といったさまざまなフォーマットへのデプロイを行うための包括的な環境を提供しています。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の管理ではなく、アプリケーションの洗練に集中できるようになります。