セマンティックセグメンテーション
セマンティックセグメンテーションのパワーをご覧ください。画像内のすべてのピクセルを分類して、正確なシーン理解を実現します。アプリケーションとツールを今すぐ探索しましょう。
セマンティックセグメンテーションは、画像内のすべてのピクセルに特定のクラスラベルを割り当てることを伴う基本的なコンピュータビジョンタスクです。オブジェクトをボックスで識別したり、画像全体に単一のラベルを割り当てたりする可能性のある他の方法とは異なり、セマンティックセグメンテーションは、存在するさまざまなセマンティックカテゴリの密なピクセルパーフェクトマップを作成します。これにより、「道路」、「空」、「建物」、または「人」など、各カテゴリの正確な形状と場所を概説する、画像コンテンツの豊富で詳細な理解が得られます。コンテキストとレイアウトの理解が個々のオブジェクトの識別と同じくらい重要なシーンでは、これはコアテクノロジーです。
モデルとツール
セマンティックセグメンテーションでは、多くの場合、深層学習モデル、特に畳み込みニューラルネットワーク（CNN）から派生したアーキテクチャが採用されています。
実際のアプリケーション
セマンティックセグメンテーションによって提供される詳細なシーン理解は、多くの分野で非常に重要です。
- 自動運転車: 自動運転車が安全にナビゲートするためには、その環境を完全に理解する必要があります。セマンティックセグメンテーションは、走行可能なエリア（道路）、走行不能なエリア（歩道、建物）、および歩行者、自転車、その他の車両の位置をピクセルレベルの精度で識別するために使用されます。これにより、より安全な経路計画と意思決定が可能になります。自動運転車におけるAIの役割について詳しく読むことができます。
- 医療画像解析: 医学では、精度が最も重要です。セマンティックセグメンテーションは、MRIやCTスキャンのようなスキャンで、臓器、腫瘍、病変、その他の解剖学的構造を自動的に区別するのに役立ちます。これは、放射線科医が診断、治療計画、および疾患の進行のモニタリングを支援します。AIが医療画像処理にどのように適用されているかについて詳しく調べてください。
- 衛星画像解析： 地理空間アプリケーションでは、セマンティックセグメンテーションを使用して、衛星画像から土地被覆を分類します。これは、都市計画（建物、道路、緑地の識別）、環境モニタリング（森林破壊または水域の追跡）、および精密農業に使用できます。
- ロボティクス： ロボットはセマンティックセグメンテーションを使用して動作環境を理解し、床、壁、相互作用するオブジェクト、および回避する障害物を区別できるようにします。これは、倉庫や家などの複雑な設定でのナビゲーションおよび操作タスクに不可欠です。ロボティクスにおけるコンピュータビジョンの統合の詳細をご覧ください。
他のタスクとの主な違い
セマンティックセグメンテーションを、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。
- インスタンスセグメンテーション: これは、最も密接に関連するタスクです。どちらもピクセルレベルの分類を実行しますが、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個々のインスタンスを区別することにより、さらに一歩進んでいます。たとえば、3台の車がある画像では、セマンティックセグメンテーションはすべての車のピクセルを単に「車」としてラベル付けします。対照的に、インスタンスセグメンテーションは「車1」、「車2」、および「車3」を個別のオブジェクトとして識別します。
- 物体検出: このタスクは、画像内の物体の存在と位置を識別するために、各物体の周りにバウンディングボックスを描画し、クラスラベルを割り当てます。物体の形状や、どのピクセルがそれに属するかについての情報は提供しません。
- Panoptic Segmentation（パノプティックセグメンテーション）: このタスクは、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統合と見なすことができます。すべてのピクセルにクラスラベルを割り当て（セマンティックセグメンテーションと同様）、各オブジェクトインスタンスを一意に識別する（インスタンスセグメンテーションと同様）ことで、包括的なシーン理解を提供することを目指します。
