コンピュータビジョン：原理、手法、応用

主要な課題と一般的な出力

• 画像分類：画像全体にラベルを割り当てます。たとえば、写真に猫が写っていると識別します。
• 物体検出：画像内にある複数の物体の位置を特定して分類します。多くの場合、境界ボックスを用います。
• 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：ピクセルをクラスごとにラベル付けする、または個々の物体インスタンスを分離します。
• 姿勢・深度推定：画像から3次元構造、カメラ位置、物体の向きなどを推定します。
• 追跡と動作解析：フレームをまたいで物体を追跡し、オプティカルフローを計算します。

これらの出力は、ロボット制御、画像検索エンジン、医療における意思決定支援ツールなど、より上位のシステムに利用できます。評価には通常、アノテーション付きデータセットと、課題に応じて異なる性能指標が用いられます。代表例には、正確度、IoU、再現率・適合率、追跡の堅牢性があります。

手法、ツール、発展

初期のコンピュータビジョンは、手作業で設計された特徴量と幾何学的推論に依存していました。具体的には、エッジ検出器、勾配に基づく記述子、形状のためのハフ変換、ステレオ対応付けの手法などです。過去10年間では、大規模なラベル付きデータセットから階層的な特徴を学習できることから、深層学習、特に畳み込みニューラルネットワーク（CNN）が多くの課題で主流となりました。学習と推論はハードウェアの選択にも左右され、GPUのような並列プロセッサや専用アクセラレータが、大規模モデルとリアルタイム処理を可能にしています。

実用的なシステムは、前処理、特徴抽出、学習、後処理といった複数のモジュールを組み合わせます。また、音声、ライダー、慣性センサーなどのマルチモーダルな信号を統合する傾向も強まっています。データセットとベンチマークの競技的課題は進歩の中心的な役割を果たし、モデルアーキテクチャ、データ拡張、評価プロトコルの改善を促してきました。

応用、課題、展望

• 応用：自動運転車、医用画像診断、産業検査、ロボティクス、拡張現実、監視、リモートセンシング。
• 課題：データセットの偏り、ドメインシフト、解釈可能性、遮蔽や敵対的入力に対する堅牢性、人を対象にする場合のプライバシー上の懸念。
• 展望：研究は、エッジデバイス向けのより効率的なモデル、ラベル付けの必要性を減らすより優れた教師なし学習・自己教師あり学習、他のセンシング手段および記号的推論とのより緊密な統合へと進んでいます。

入門資料やコミュニティの情報を探す開発者・研究者は、基礎概念、代表的なアルゴリズム、現代的なツールキットを概観する参考文献とチュートリアルを参照できます。