画像認識

画像認識は、デジタル画像の画素情報から特徴を取り出し、写っている物体、人物、文字、状態、領域などを識別する技術の総称です。学習済みモデルへ画像を入力し、目的に応じたラベル、位置、画素領域などを出力します。

■ 試験で押さえるポイント

• 画像分類は画像全体へラベルを付け、物体検出は複数物体の種類と矩形位置を求め、セマンティックセグメンテーションは画素ごとに領域を分類します。目的と出力形式を区別します。

• 従来は輪郭、色、局所特徴などを設計して分類器へ渡し、深層学習ではCNN等が特徴抽出と識別を学習します。OCR、顔認識、外観検査も画像認識の応用です。

• 学習データの撮影条件やラベルに偏りがあると未知条件で性能が落ちます。訓練用・検証用・テスト用を分離し、照明、角度、遮蔽など実運用条件で評価します。

• 正解率だけでなく、クラス不均衡では適合率・再現率、検出では位置の重なりを表すIoUなどを用います。誤検出と見逃しのどちらを重く見るかは用途で変わります。

■ 選択肢での判断ポイント

画像全体の種類なら分類、対象の位置までなら物体検出、画素単位の領域ならセグメンテーションです。特徴抽出は識別前の表現化であり、最終判定そのものではありません。

例: 製造ラインの画像から、分類モデルは「良品／不良品」を返し、物体検出モデルは傷の種類と矩形位置、セグメンテーションモデルは傷の画素領域を返します。