画像セグメンテーションは、コンピュータビジョンにおける重要な技術であり、画像を複数のセグメントまたは領域に分割し、それぞれが異なるオブジェクトまたはオブジェクトの一部を表す。バウンディングボックスを用いて物体の存在と位置を特定する物体検出とは異なり、画像セグメンテーションは、画像内のすべてのピクセルにラベルを割り当てることによって、より詳細で粒度の細かい理解を提供する。このピクセルレベルの分類により、オブジェクトの境界を正確に定義し、画像の内容を包括的に理解することができる。
画像分割の種類
画像セグメンテーションにはいくつかの種類があり、それぞれ目的が異なり、複雑さも異なる：
- セマンティック・セグメンテーション：このタイプのセグメンテーションでは、画像内の各ピクセルを特定のクラスに分類する。たとえば、街頭シーンの画像では、車に属するピクセルはすべて「car」、道路に属するピクセルはすべて「road」などとラベル付けされる。しかし、セマンティック・セグメンテーションは、同じクラスの異なるインスタンスを区別しない。すべての車は、単一の「車」ラベルの下にグループ化されます。セマンティックセグメンテーションの詳細については、こちらをご覧ください。
- インスタンス・セグメンテーション：これは、各ピクセルを分類するだけでなく、同じクラスの異なるインスタンスを区別する、より高度なセグメンテーションである。ストリートシーンの例では、個々の車に固有のラベルが割り当てられ、特定の車のインスタンスの識別と追跡が可能になる。これは、個々のオブジェクトの正確な位置と境界を理解することが重要な、自律走行やロボット工学などのアプリケーションで特に役立ちます。インスタンスセグメンテーションの詳細については、こちらをご覧ください。
- パノプティック・セグメンテーション：セマンティックセグメンテーションとインスタンスセグメンテーションを組み合わせた、最も包括的なタイプのセグメンテーションである。各ピクセルにクラスラベルを割り当て、同じクラスのインスタンスを区別することで、シーンを完全に理解することができます。パノプティックセグメンテーションの詳細はこちら。
画像分割の応用
画像セグメンテーションは、さまざまな業界で幅広く応用されている：
- 医療画像 医療では、MRIやCTスキャンなどの医療画像の解析に画像分割が使用される。腫瘍の識別や分離、臓器の体積測定、外科手術の計画などに役立つ。例えば、MRIスキャンから脳腫瘍をセグメンテーションすることで、正確な診断と治療計画が可能になります。医用画像における腫瘍検出のためのUltralytics YOLO の使用について詳しく知る。
- 自律走行車：自動運転車は、環境を理解するために画像分割に大きく依存している。車両のカメラからの画像を分割することで、システムは道路、歩行者、他の車両、交通標識を識別し、安全で効率的なナビゲーションを可能にします。自動運転車のAIについて詳しくはこちら。
- 衛星画像解析：画像セグメンテーションは、土地被覆の分類、都市計画、災害管理など、さまざまな目的で衛星画像を解析するために使用される。例えば、異なる土地タイプ（水域、森林、都市部など）をセグメンテーションすることで、環境変化のモニタリングや都市開発の計画に役立ちます。衛星画像の解析にコンピュータビジョンを使用する方法については、こちらをご覧ください。
- 農業 精密農業において、画像セグメンテーションは、作物の健康状態の監視、雑草の検出、土壌状態の分析に利用できる。例えば、畑の画像をセグメンテーションすることで、害虫や病気の影響を受けている地域を特定し、的を絞った介入が可能になります。ビジョンAIを農業に活用するメリットをご覧ください。
- 工業検査画像セグメンテーションは、製造業における品質管理プロセスの自動化において重要な役割を果たしている。組立ライン上の製品の画像をセグメント化することで、欠陥や異常を正確に識別し、製品の品質を保証し、手作業による検査作業を削減することができます。コンピュータビジョンによる製造の改善について詳しく知る。
画像分割とUltralytics YOLO
Ultralytics YOLOモデルは、画像セグメンテーションを含む様々なコンピュータビジョンタスクにおける最先端のパフォーマンスで有名です。これらのモデルは、高度なディープラーニング技術を活用して、高い精度と効率を実現しています。Ultralytics YOLO を利用することで、ユーザーはデータセット上でカスタムセグメンテーションモデルをトレーニングし、事前にトレーニングされたモデルを微調整し、リアルタイムの推論用に展開することができます。Ultralytics HUBプラットフォームは、モデルのトレーニング、管理、デプロイのためのユーザーフレンドリーなインターフェイスを提供することで、プロセスをさらに簡素化します。
Python のUltralytics YOLOv8 モデルによる画像セグメンテーションの詳細については、 Python のUltralytics YOLOv8 モデルによるセグメンテーションをご覧ください。さらに、インスタンスのセグメンテーションにUltralytics YOLO を使用する方法についても詳しく知ることができます。
.png)