G検定 第6章|ディープラーニングの応用例

画像認識のタスク

物体検出とセグメンテーション、何がちがうの?

会話で読んで3分

物体識別物体検出セマンティックセグメンテーションインスタンスセグメンテーションパノプティックセグメンテーション姿勢推定

#1画像認識って、ひとつじゃないの?

ミコ

第6章は応用編! 今日は画像認識! AIが写真を見て「猫!」って当てるやつでしょ?

シオン

…それは、いちばん基本の「物体識別」。画像全体に、1つのラベルをつける。

シオン

…でも、知りたいことで仕事が変わる。どこにいるか。何匹か。どんなポーズか。

ルナ

ルナも、彼がどこにいて、誰といて、どんな顔してるか全部知りたいの♡

ミコ

それは画像認識じゃなくて監視!

一般物体認識

制約のない、ふつうの写真に写った物体を、「犬」「車」のような一般的な名前で認識すること

Generic object recognition ── 特定の1個(「うちのポチ」)を見分ける特定物体認識と区別される

#2四角で囲む「物体検出」

ミコ

「どこにいるか」まで分かるのは?

シオン

…「物体検出」。物体を四角(バウンディングボックス)で囲んで、種類も当てる。

シオン

…やり方は2系統。候補の場所を出してから調べる2段階型と、1回で全部出す1段階型。

物体検出モデルの2つの系統
2段階型1段階型
やり方候補領域→分類の2ステップ1つのネットワークで一度に予測
代表Faster R-CNNなどYOLO・SSD
得意精度を出しやすい速い(リアルタイム向き)
ミコ

YOLOって「人生一度きり」のやつ!?

シオン

…You Only Look Once。画像を「一度見るだけ」で検出する、という意味。

ルナ

一度見ただけで見抜くなんて…一目惚れの専門家なのね♡

#3画素ごとに塗り分ける「セグメンテーション」

ミコ

四角だと、猫のまわりの床まで入っちゃうよね?

シオン

…だから、画素(ピクセル)1つずつにラベルをつける。それがセグメンテーション。

シオン

…同じ種類をまとめて塗るのがセマンティック。1匹ずつ別の色で塗るのがインスタンス。

セグメンテーションの3種類(猫2匹と床の写真)
塗り方代表モデル
セマンティック猫2匹とも同じ「猫」色。床も塗るFCN・U-Net・SegNetなど
インスタンス猫Aと猫Bを別々に塗る。床は塗らないMask R-CNN
パノプティック猫は1匹ずつ、床も全部塗る両方を1つにまとめたタスク
ミコ

パノプティックは、セマンティックとインスタンスのいいとこ取り!

シオン

…正解。Mask R-CNNは、物体検出のFaster R-CNNに「塗り」の枝を足したもの。

ルナ

U-Netって、名前がかわいい♡

シオン

…形がU字だから。もとは医療の顕微鏡画像のために作られた。

ミコ

細胞の形を、そのままなぞれるってこと!?

シオン

…そう。四角では分からない「形」が分かる。医療画像で使われる理由。

#4関節を見つける「姿勢推定」

ミコ

最後の「どんなポーズか」は?

シオン

…「姿勢推定」。肩・ひじ・ひざみたいな関節の点を見つけて、線でつなぐ。

シオン

…有名なのはOpenPose。写真に何人いても、まとめて骨格を推定できる。

ルナ

ルナの「会いたいポーズ」も推定してほしい♡

シオン

…関節の位置しか分からない。気持ちは分からない。

画像認識のタスク(分かることが増えていく順)
  1. 1物体識別:画像全体に「猫」とラベル
  2. 2物体検出:猫の位置を四角で囲む
  3. 3セグメンテーション:猫の形を画素単位で塗る
  4. 4姿勢推定:人の関節の点を見つけてつなぐ
ミコ

自動運転は物体検出で歩行者を見つけて、スポーツのフォーム分析は姿勢推定! 覚えた!

ミコのメモ(自分あて)

試験デンデン! 1問だけ

画像の中の「人」を、1人ずつ区別して画素単位で塗り分けるタスクとして最も適切なものはどれ?

※ 出題範囲を参考にしたオリジナル問題です

この記事の出典

G検定(JDLA ジェネラリスト検定)のシラバス2024(第1.4版)をもとにした非公式の学習コンテンツです。JDLAとは関係ありません。 登場人物は架空のキャラクターです。

第6章のレッスン

  1. 画像認識のタスク
  2. 代表的な画像認識モデル
  3. 統計的機械翻訳
  4. 自然言語処理と単語埋め込み
  5. Transformerと大規模言語モデル
  6. 音声処理
  7. 深層強化学習
  8. データ生成(GAN・拡散モデル)
  9. 転移学習・ファインチューニング
  10. マルチモーダル
  11. モデルの解釈性(説明可能AI)
  12. モデルの軽量化