一般物体認識

一般物体認識が指すもの

一般物体認識は、制約のない実世界シーンの画像に対して、計算機がその中に含まれる物体もしくはシーンを、山、ライオン、ラーメンといった一般的な名称で認識する技術です。柳井啓司物体認識技術の進歩(日本ロボット学会誌 Vol.28 No.3, 2010年)では、画像認識の研究において最も困難な課題の一つとされています。

ここで認識する対象は、個々の物体そのものではなく、物体が属するカテゴリーです。同じ論文の図1のキャプションでは、意味カテゴリーを当てるのが一般物体認識であると説明されています。

物体認識の二つの研究の流れ

同論文によると、物体認識の研究は大きく分けて二つの流れで行われています。

• 一般物体認識: 画像中の物体のカテゴリーを認識する
• 特定物体認識: 画像中の個別の物体を認識する

特定物体認識が扱うのは、東京タワーのような特定のランドマークや、iPhoneのような特定の工業製品など、まったく同じ形状の物体です。図1のキャプションは、同一物体をデータベース中から検索するのが特定物体認識、意味カテゴリーを当てるのが一般物体認識、と両者を区別しています。

つまり、二つの違いは認識の粒度にあります。一般物体認識はライオンという種類を当て、特定物体認識はまったく同じものを探し当てます。

一般物体認識が難しい理由

一般物体認識が難しいのは、制約のない画像において一般的な名称が表す同一カテゴリーの範囲が広く、同じカテゴリーに属する対象の見た目の変化が極めて大きいためです。その結果、同論文は次の三つが困難になると述べています。

1. 対象の特徴抽出
2. 認識モデルの構築
3. 学習データセットの構築

このうち3番目の学習データセットの構築は、一般物体認識に固有の問題とされています。山やライオンのような意味カテゴリーは厳密に定義することが不可能であり、それをいかに定義するかという問題に関係しているためです。同論文は、これを人工知能の分野とも関係の深い問題と位置づけています。

特定物体認識と比べたときの課題の違い

三つの困難点を特定物体認識と並べると、両者の性格の違いがはっきりします。

• 対象の特徴抽出: 一般物体認識と特定物体認識でほぼ同様の課題です。
• 認識モデルの構築: 特定物体認識では、これに代わって、大量の画像データベースに対して高速な検索を行うことが研究課題になっています。
• データセットの構築: 特定物体認識はまったく同一のものを探すのが目的なので、カテゴリーの定義に関する問題は存在しません。

カテゴリーをどう定義するかという問題を抱えるかどうかが、一般物体認識と特定物体認識を分ける大きな点です。

位置検出を加えるとさらに難しくなる

図1のキャプションには、一般物体認識では位置検出も行うと一段難しいタスクになる、と書かれています。画像に何のカテゴリーの物体が写っているかを当てるだけでなく、それが画像のどこにあるかまで求めると、課題の難しさが一段上がるということです。画像全体のカテゴリーを当てる課題と、物体の位置まで求める課題とは、難しさの段階が異なるものとして区別されています。

研究が進んだきっかけ

同論文によると、2000年前後に提案された局所パターンの表現手法と、物体を局所パターンの集合として表現する手法によって、一般物体認識と特定物体認識の技術が飛躍的に進歩しました。

それ以前は、一般的な物体認識を行うことは極めて困難であると考えられていたため、研究自体があまり行われていませんでした。その代わり、実用的な応用が期待できる人の顔や自動車など、特定の対象について認識対象ごとに専用の手法が研究されていました。

論文執筆時点での実用化の度合い

2010年の同論文は、一般物体認識と特定物体認識の実用化の進み具合に大きな差があると述べています。

• 一般物体認識: 256種類のカテゴリーから成る標準データセットCaltech-256での分類精度が50%程度に留まっており、まだ実用化するには早い段階とされています。
• 特定物体認識: 数百万枚のデータベースに対して95%以上の精度で同一物体の検索が可能になっており、すでに一部で実用化が始まっているとされています。

この差は、上で見た困難点の違い、特にカテゴリーの定義という一般物体認識固有の問題の有無と対応して理解できます。なお、これらの数値は2010年時点の論文に書かれたものです。

まとめ

一般物体認識は、画像に写る物体やシーンのカテゴリーを一般的な名称で当てる技術です。同一物体を探す特定物体認識と比べて、同じカテゴリー内の見た目の変化が大きく、意味カテゴリーを厳密に定義できないという固有の難しさを持ちます。さらに位置検出まで行うと、一段難しいタスクになります。