物体検出

物体検出とは、画像データの中から特定の対象物を探し出し、その位置を四角い枠で囲んで示す技術です。画像全体に何が写っているかを判断するだけでなく、対象物がどこにあるかまでを特定します。この技術により、自動運転車が歩行者の位置を把握したり、監視カメラが不審な動きを検知したりすることが可能になります。

仕組みとしては、畳み込みニューラルネットワーク（CNN）を基盤とした手法が一般的です。画像を入力すると、モデルが対象物の候補となる領域を提案し、その領域に何が写っているかの分類と、枠の微調整を同時に行います。以前は単純なスライディングウィンドウ方式が使われていましたが、現在はYOLOのように高速で高精度な手法が主流となっています。

物体識別と混同されやすいですが、識別は「画像全体」が何であるかを分類するのに対し、検出は「画像内」の場所まで特定する点が大きく異なります。G検定では、画像処理タスクの種類としてこれら2つが明確に区別されて問われるため、空間的な位置情報が含まれるかどうかを判断基準にしましょう。