物体検出

一般物体認識が扱う5つのタスクと物体検出

物体検出は、一般物体認識の研究で扱われるタスクの1つです。柳井啓司物体認識技術の進歩(日本ロボット学会誌, 2010年)は、当時研究されていた一般物体認識の主なタスクとして次の5種類を挙げています。

• 画像全体のカテゴリー分類(最も標準的なタスク)
• 画像アノテーション(複数のカテゴリーラベルを画像に付与する)
• 画像ラベリング(領域分割された画像の各領域にカテゴリーラベルを付与する)
• カテゴリー物体検出(長方形の矩形で画像中の物体の存在位置を検出する)
• カテゴリー領域抽出(物体の領域を正確に切り出す)

用語集でいう物体検出は、このうちカテゴリー物体検出に当たります。つまり、画像の中にある物体について、その存在位置を長方形の矩形、いわゆるバウンディングボックスで示すタスクです。

画像全体のカテゴリー分類との違いは位置情報の有無

5つのタスクのうち、最も標準的とされているのは画像全体のカテゴリー分類です。このタスクで求められるのは、画像全体に対してどのカテゴリーに当たるかを答えることです。画像アノテーションも、複数のラベルを付けるという違いはあるものの、ラベルを付ける対象は画像です。

これに対して物体検出では、カテゴリーを当てるだけでなく、その物体が画像中のどこにあるかという位置情報も出力します。位置を答えるかどうかが、画像全体のカテゴリー分類と物体検出を分ける観点です。

同じ文献の図1のキャプションは、この違いを難しさの面から次のように述べています。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。物体検出は、意味カテゴリーを当てる一般物体認識に位置検出を加えたタスクであり、画像全体の分類より一段難しいタスクとして位置づけられています。

位置の表し方で区別される近いタスク

位置や領域を扱うタスクは、物体検出のほかに画像ラベリングとカテゴリー領域抽出があります。これらは位置や領域をどのような形で表すかという点で区別できます。

• 物体検出は、物体の存在位置を長方形の矩形で示します。
• カテゴリー領域抽出は、物体の領域を正確に切り出します。矩形で囲むのではなく、物体そのものの領域を求める点が物体検出と異なります。
• 画像ラベリングは、あらかじめ領域分割された画像の各領域に対してカテゴリーラベルを付与します。物体ごとに位置を求めるのではなく、分割された各領域にラベルを付ける点が物体検出と異なります。

このように、物体検出の特徴は、物体の位置を矩形という決まった形で表すところにあります。

特定物体認識ではなく一般物体認識のタスク

柳井の文献は、物体認識を特定物体認識と一般物体認識に分けています。図1のキャプションによれば、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であり、意味カテゴリーを当てるのが一般物体認識です。

カテゴリー物体検出は一般物体認識のタスクとして挙げられているため、物体検出で求めるのは、特定の1つの物体と同じものを探すことではなく、画像中の物体の意味カテゴリーとその位置です。カテゴリー物体検出という名前のカテゴリーの部分は、この性質を表しています。

まとめ

物体検出は、一般物体認識の主なタスクの1つで、画像中の物体の存在位置を長方形の矩形で検出します。画像全体のカテゴリー分類とは位置情報を出力するかどうかで異なり、位置検出も行う分だけ一段難しいタスクとされています。また、物体の領域を正確に切り出すカテゴリー領域抽出や、分割された領域にラベルを付ける画像ラベリングとは、位置や領域の表し方で区別されます。