画像認識

定義

画像認識とは、コンピュータに画像データを入力し、画像内に何が写っているのかをアルゴリズムによって自動で判別させる技術です。

身近な例として、スマートフォンの写真アプリが人物や風景を自動で分類する機能や、工場の検査ラインで製品の傷を自動で見つけ出す仕組みが画像認識にあたります。人間は視覚を通して対象物を直感的に理解できますが、コンピュータにとって画像は数値が格子状に並んだ画素データにすぎません。そのため、画像認識モデルは画素値の並びから輪郭や色合いなどの特徴を抽出し、対象が何であるかを統計的に推定します。

内訳

画像認識のタスクは、出力の粒度と目的によって主に次の3つに分類されます。

• 画像分類：画像全体に対して1つのクラスラベルを割り当てるタスクです。例えば、写真全体を見て猫が写っていると判定します。代表的なモデルとして、VGGやGoogLeNet、ResNetなどがあります。
• 物体検出：画像内に存在する複数の対象について、位置を表す境界枠とクラスラベルを同時に特定するタスクです。処理方式には、候補領域の抽出と識別を別々に行う2段階検出（R-CNN系）と、位置特定と識別を同時に行う1段階検出（YOLO系やSSD）があります。後者は推論速度に優れており、自動運転などの即時性が求められる用途で活用されます。
• 領域分割：画素ごとにクラスラベルを割り当てるタスクです。同一クラスの物体をひとまとまりとして塗り分けるセマンティックセグメンテーションと、同一クラスであっても個体ごとに区別して塗り分けるインスタンスセグメンテーションがあります。医療画像における病変の検出や自動運転の走行可能領域の識別で用いられます。

実務での留意点

実務の開発現場では、学習データを用意して正解ラベルを付与するアノテーションの作業コストが大きな課題となります。特に領域分割では画素単位での指定が必要となるため、多大な工数がかかります。この課題を解決するため、実務では大規模データセットで事前に学習されたモデルを活用する転移学習やファインチューニングが広く使われます。さらに、既存の画像を反転や回転させて学習データを疑似的に増やすデータ拡張も、過学習を防ぐ標準的な手法として定着しています。