コンピュータービジョン: 画像検出と画像セグメンテーションの違いは何ですか?

人工知能における画像処理

人工知能には画像処理のためのさまざまなタスクがあります。この記事では、物体検出と画像セグメンテーションの違いについて説明します。

どちらのタスクでも、画像内の興味のあるアイテムの位置を見つけたいと考えています。たとえば、防犯カメラの写真のセットがあり、それぞれの写真に写っているすべての人の位置を特定したいとします。

これには通常、オブジェクト検出と画像セグメンテーションという 2 つの方法を使用できます。

物体検出 - 予測された境界ボックス

物体検出について話すとき、通常は境界ボックスについて話します。これは、画像処理によって写真内の各人物の周囲の四角形が識別されることを意味します。

境界線は通常、左上隅の位置 (2 つの座標) と幅および高さ (ピクセル単位) によって定義されます。

Open Image Dataset からの注釈付き画像。雪だるまを作る家族、mwvchamberより。画像はCC BY 2.0ライセンスに基づいて使用されています。

ターゲット検出方法を理解するには？

画像内のすべての人物を識別するというタスクに戻ると、境界ボックスによるオブジェクト検出のロジックを理解できます。

私たちの頭に最初に浮かんだ解決策は、画像を細かく切り分け、各サブ画像に画像分類を適用して、その画像が人間であるかどうかを区別することでした。単一の画像を分類することはより簡単な作業であり、物体検出の重要な側面の 1 つであるため、この段階的なアプローチを採用しました。

現在、YOLO モデル (You Only Look Once) がこの問題を解決するための素晴らしい発明です。 YOLO モデルの開発者は、バウンディングボックスメソッド全体を一度に実行できるニューラルネットワークを構築しました。

物体検出のための現在の最先端モデル

YOLO
より高速なRCNN

画像セグメンテーション - マスクの予測

画像を段階的にスキャンする代わりに、絵画のフレームから離れて、画像にピクセル単位で注釈を付けるという論理的な方法もあります。

これを行うと、基本的には入力画像を変換した、より詳細なモデルが得られます。

画像セグメンテーション手法を理解するにはどうすればよいでしょうか?

アイデアは非常に基本的なものです。製品のバーコードをスキャンする場合でも、アルゴリズムを適用して入力情報を変換し（さまざまなフィルターを適用することにより）、バーコードシーケンス以外のすべての情報が最終画像に表示されないようにすることができます。

左の画像: https://commons.wikimedia.org/wiki/File:Image-segmentation-example.jpg。右の画像: https://commons.wikimedia.org/wiki/File:Image-segmentation-example-segmented.png.どちらのファイルも https://en.wikipedia.org/wiki/en:Creative_Commons をサポートしています

これは画像上のバーコードを見つけるための基本的な方法ですが、画像セグメンテーションで行われることと似ています。

画像セグメンテーションの戻り形式はマスクと呼ばれます。これは、元の画像と同じサイズの画像ですが、各ピクセルには、オブジェクトが存在するかどうかを示すブール値のみが含まれます。

複数のカテゴリを許可すると、より複雑になります。たとえば、ビーチの景色を空気、海、砂の 3 つのカテゴリに分類できるようになります。

画像セグメンテーションに最適なモデル