1. HOME
  2. ブログ
  3. column
  4. 進化・活用が進む「画像認識」の仕組み。OpenCVからディープラーニングへ。

BLOG

ブログ

column

進化・活用が進む「画像認識」の仕組み。OpenCVからディープラーニングへ。

AI音痴の魅力ハンター&ライターなまず美紀(みきてぃ)です。
AIの最新ニュースを入手するべく、システムズナカシマを突撃するシリーズ。

今回は、システムズナカシマの社員に、「画像認識の進化と手法」について聞いてきました。
学んだことを、順を追ってお伝えしますね!



まず、画像認識とは、画像・写真・映像データを分析し、何が写っているのか、写っているものがどんな状態なのかを判断する技術のことですね。この画像認識の手法には、大きく2つあるそうです。「カスケード分類器」と、AIによる「ディープラーニング」。

「カスケード分類器」はパターンマッチングの一種で、インテル社が2000年に無料公開した『OpenCV』等の画像解析ライブラリで実装されています。

システムズナカシマが得意とする画像認識系システム。実はその裏で大活躍しているAI開発プラットフォーム『roboflow』では、オーグメンテーション(データ増強) にOpenCVを了解しています。

カスケード分類器

「カスケード分類器」のパターンマッチングは、画像からピクセル(画像を構成する最小要素)単位で特徴を解析し、パターンを把握することで画像に写っているものが何かを認識し、同じものを拾い出す手法です。

パターンマッチングは、画像認識の古典的な手法だといえますが、最大のメリットは、事前学習なしで、画像上で類似する形状のものを抽出できること。

たとえば、図面上で記号を囲み、「同じ記号を抽出する」ということがリアルタイムで瞬時にできます。全く同じ形状のものを抽出するだけなら、わざわざ大量のデータを学習させる必要もないので、これで充分ですね。

OpenCVには、画像を拡大・縮小したり、回転させたり、カラーをモノクロに変換するなどの画像処理能力があり、これによりオーグメンテーション(データ増強)が短時間でできるため、パターンマッチングが簡単な作業で可能となります。

ただ、デメリットは複雑なタスクが苦手で、精度が低いこと。どうしても、誤検出や拾い漏れが出てしまうそうです。

openCV2_3

ディープラーニングベースの画像認識

そこで、2012年ごろから注目されるようになったのが、第二の手法である「ディープラーニングベースの画像認識」です。ディープラーニングでは、事前にコンピューターに膨大な量の画像データを学習させます。

そのための処理に多大な時間とリソースを必要とすることがデメリットですが、精度は格段に上がり、ディープラーニングによる画像認識の精度は、人間の能力を超えるレベルに達したともいわれています。

openCV2_2


「カスケード分類器」と、AIによる「ディープラーニング」。それぞれにメリットとデメリットがありますが、タスクの複雑さ、精度の必要度などによって使い分けることで、画像認識がより便利になったわけですね。

画像認識の技術と精度、活用範囲は、初期の『OpenCV』がリリースされて以来、飛躍的に向上・拡大しています。

ビジネスへの応用もまだまだ可能性を秘めており、今後の展開が楽しみです!

 

▶︎無料メルマガ会員募集!!
登録はこちら↓↓↓
メルマガ登録

▶︎システムズナカシマでは、AI技術を用いたシステム開発をご提案させていただいております。
業務効率化などを検討されたい方は、お気軽にご相談ください。

関連記事

%d人のブロガーが「いいね」をつけました。