「画像認識AI」と言っても、さまざまな種類があり、それぞれ機能が異なります。「うまく活用できれば業務効率になると思うけど、パンフレットやサイトを見ても、実際の利用シーンがイメージできない」と、一歩踏み出せない方もいるのではないでしょうか？

今回は「Deeptector」の5つの判定パターンのうちの1つ「領域検出型」にて、身近な例を用いて画像認識AIがどのように役立つのか説明いたします。

領域検出型の2タイプ

領域検出型は、検出対象の形状や領域を表示する判定パターンです。「Deeptector」は「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」の2種類の領域検出型を搭載しています。それぞれ何が違うのかを見ていきましょう。

街の写真、見え方は2つの領域検出型でどう違う？

街中の道路を歩いている人と車の写真があります。それぞれの判定パターンで見え方が異なります。それぞれの特徴、強み・弱みも見てみましょう。

元の写真

セマンティック・セグメンテーション

特徴

• 画像上の全ピクセルに対してクラス（人間・車・木などの対象物）分類します。
• 同一クラスは、全て同一として扱います。複数人の人間が全て同じ赤色で表示されていますが、「人間」という同一のクラスとして扱っていることがわかります。
• 物体の個数や個別認識はできませんが、該当クラスを見つける精度はインスタンス・セグメンテーションに比べて高い傾向があります。

使用例

• 写真の全領域に対する、クラスの面積を知りたい場合に適しています。
• 壁面の錆びている面積を判定し、建物の劣化度合いを測定（保守点検）
• 障害物と道路を判別し走行可能な経路を識別
• 医療解析におけるガン性異常の検出

など

インスタンス・セグメンテーション

特徴

• 物体ごとの領域を分割し、かつクラス分類をします。
• 同一クラスでも、判定対象物を個別に扱います。写真では複数人の人間が違う色で表示されている、つまり個体を識別しています。
• 判定対象物の個数識別が可能です。
• 該当クラスを見つける精度はセマンテック・セグメンテーション比べて低い傾向があります。

使用例

• 画像内にある判定対象物の個数を数えたり、位置を特定する
• 水槽にどの種類の魚が何匹いるかの判定
• 検品作業における良品不良品の識別と個数判定
• 地理情報システム（GIS）における建物形状情報の判定

など

毎日の食事を判定してみたら……

さて、身の回りでこの技術を使えないか考えてみましょう。

テレワークになったり、出社の回数が減ったりして、運動不足で太ってしまった方もいるかもしれません。食事に気を付けるにも、栄養バランスの良い献立を毎食考えるのは面倒ですよね。。食事の写真を撮るだけで、栄養のバランスがわかるとしたらどうでしょう？1回分の食事と言えども、さまざまな食材が入っているので、セグメンテーションをしてみると面白そうですね。

栄養のバランスの良し悪しを、食事に含まれる緑黄色野菜の比率で決めるとします。さまざまな緑黄色野菜の画像を取り込み、緑黄色野菜をクラスとして判定できるように「Deeptector」に学習させます。セマンテック・セグメンテーションでは画像からクラスのピクセル数を出せるので、ピクセル数から何%緑黄色野菜が含まれているか判断し、栄養バランスが良いか悪いかがわかります。

もちろん、緑黄色野菜以外にも食材・食事を判定できるように学習させて、栄養成分を割り出すようにすれば、ダイエットにも応用できそうです。お子様がいる方は毎日の食事の写真を撮影・判定して、成長期に合う、栄養バランスのよい献立を考えるのに活かせるでしょう。

画像認識でできることが広がる

画像認識が身の回りでも活用できることが伝わりましたでしょうか？まずは、「画像認識でこんなことはできないかな？」「あんなことは難しい？」という、漠然としたご相談でも構いません。NTTコムウェアはあなたの会社の課題解決をお手伝いいたします。

「Deeptector」はNTTコムウェア株式会社の登録商標です。

------------------------------------------------------------------
■Deeptector 商品HPはこちら
■Deeptectorに関する資料はこちら
■Deeptectorに関するお問い合わせはこちら
------------------------------------------------------------------