コンピュータビジョン（CV）

AIと機械学習における重要性

コンピュータ・ビジョンは、現代の多くのAIや機械学習（ML）システムにとって基本的なものであり、視覚認識を通じて機械が物理的な世界と対話し、理解するために必要な機能を提供する。人間の視覚野に着想を得た畳み込みニューラルネットワーク（CNN）のような技術の登場は、CVに革命をもたらした。これらのネットワークは、膨大な量の視覚データから階層的な特徴を自動的に学習するモデルを可能にし、様々なコンピュータビジョンタスクの精度の大幅な向上につながった。この進歩により、以前は実現不可能であった高度なアプリケーションが可能になり、CVは現在のAI開発の礎石となり、我々の未来を変えるAIのユースケースの重要な原動力となっている。

主要概念と課題

コンピュータビジョンは、視覚データからさまざまなタイプの情報を抽出することを目的とした幅広いタスクを包含する。核となるタスクには次のようなものがある：

• 画像の分類：画像全体に単一のラベルまたはカテゴリを割り当てること（例えば、ある画像に「猫」が写っているか「犬」が写っているかを識別する）。ImageNetのようなデータセットがこのタスクによく使用される。
• オブジェクト検出：画像内の複数のオブジェクトの存在と位置を特定する。通常、オブジェクトの周囲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る（例えば、ストリートシーン内のすべての「車」と「歩行者」の位置を特定する）。次のようなモデル Ultralytics YOLOのようなモデルは、効率的な物体検出に広く使われている。
• 画像分割：画像内の各ピクセルを特定の物体や領域に属するように分類すること。オブジェクト検出よりも詳細な理解が得られる。セマンティックセグメンテーション（ピクセルをカテゴリー別にラベリングする）とインスタンスセグメンテーション（同じカテゴリー内の個々のオブジェクトインスタンスを区別する）がある。インスタンスセグメンテーションとトラッキングのガイドを参照。
• 姿勢推定：オブジェクトのキーポイントの位置と向きを検出します。人間のポーズ推定（関節の特定）や剛体オブジェクトのトラッキングによく使用されます。犬の姿勢推定のためのカスタムトレーニングについてはこちらをご覧ください。
• オブジェクトトラッキング：ビデオシーケンスの複数のフレームにわたって特定の物体を識別し、追跡すること。これはオブジェクト検出と時間分析を組み合わせたものです。 Ultralytics YOLOv8オブジェクト検出とトラッキングをお試しください。
• オプティカルフロー：映像の連続するフレーム間で物体やカメラの動きを推定すること。

コンピュータ・ビジョンと関連分野の比較

コンピュータビジョンを関連分野と区別することは有益である：

• 画像処理：低レベルでの画像操作に重点を置いており、多くの場合、CVの前処理として行われる。OpenCVのようなライブラリを使ったノイズ除去、コントラスト強調、フィルタリングなどがある。画像処理はピクセルを修正しますが、必ずしも画像の内容を解釈するわけではありません。コンピュータビジョンと画像処理の主な違いについては、こちらをご覧ください。
• マシンビジョン（MV）：CVと重複するが、MVは通常、自動検査、プロセス制御、ロボットガイダンスのための産業環境におけるビジョン技術の応用を指す。MVシステムは多くの場合、制御された環境で特定の照明とカメラのセットアップを行い、製造における品質検査のような特定のタスクのための信頼性とスピードに重点を置いています。マシンビジョンの詳細

テクノロジーとフレームワーク

コンピュータ・ビジョン・アプリケーションの開発は、様々なツール、ライブラリ、フレームワークに依存している：

• ライブラリ OpenCV (Open Source Computer Vision Library)は、画像処理や古典的なCVタスクのための膨大なアルゴリズムコレクションを提供する基礎的なライブラリです。その他のライブラリには、Python 画像操作のためのPillowや、画像処理アルゴリズムのためのScikit-imageなどがある。
• ディープラーニングフレームワークPyTorchおよび TensorFlowは、CVで使用されるものを含め、ディープラーニングモデルの構築とトレーニングのための主要なフレームワークです。
• モデル YOLO Only Look Once）のような最先端のモデルは、効率的なリアルタイムの物体検出を提供する。ResNetのようなアーキテクチャは一般的なバックボーンであり、Vision Transformers（ViT）は新しいクラスのモデルとして脚光を浴びています。さまざまなYOLO モデルの性能を比較してください。
• プラットフォーム： Ultralytics HUBのようなツールは、CVモデルのトレーニング、デプロイ、管理のプロセスを合理化し、クラウドトレーニングやデータセット管理のような機能を提供する。その他のプラットフォーム Roboflowや Weights & Biasesなどのプラットフォームは、データ注釈や実験追跡のための補完的なツールを提供している。

実世界での応用

コンピュータビジョンのアプリケーションは、様々な分野でますます普及しています：

• 自律走行車CVは自動運転車にとって不可欠であり、周囲の状況を認識し、歩行者や他の車両を検知し、交通標識を読み取り、安全にナビゲートすることを可能にする。ウェイモや テスラのような企業は、CVシステムに大きく依存しています。オートモーティブ・ソリューションのAIをご覧ください。
• ヘルスケア 医療画像解析では、X線、CTスキャン、MRIの腫瘍や骨折などの異常を放射線技師が検出するのに役立っている。また、ロボット手術や患者のモニタリングにも使用されている。Radiology誌の研究を参照：人工知能 YOLO11 腫瘍検出にどのように使用されているかをご覧ください。
• セキュリティと監視CVは、自動監視システム、侵入者の検知、個人の追跡、群衆行動の分析に威力を発揮します。セキュリティアラームシステムの構築方法をご覧ください。
• 小売業：アプリケーションには、棚のモニタリングによる在庫管理、顧客行動分析、Amazon Goのようなレジなしレジシステムなどがある。
• 製造業：品質管理、欠陥検出、組立ラインの監視、ロボットによる自動化に使用。 YOLO11使ったスマートな製造ソリューションの作り方をご覧ください。
• 農業作物のモニタリング、病気の検出、雑草の識別、自動収穫によって精密農業を可能にします。リアルタイム作物健康モニタリングについて読む。
• エンターテインメント：映画制作では特殊効果やモーションキャプチャーに、ゲームでは没入体験の創造に使用される。ビデオゲームにおけるAIを探る。