コンピュータビジョンへのやさしい入門

BTW Media は、公開された証拠に基づき、A short introduction to computer vision がインターネットインフラストラクチャ、ガバナンス、運用上の依存関係、または市場での可視性に関連しているため、これをプロファイルしています。

• コンピュータビジョン（CV）は、コンピュータが写真や動画などのデジタル画像の内容を「見て」理解できるよう支援する技術を開発することを目的とした研究分野と定義されています。
• データを分析するために、機械学習、特に深層学習と畳み込みニューラルネットワークを使用します。

コンピュータビジョンは、AI の一分野であり、機械学習とニューラルネットワークを用いて、コンピュータやシステムがデジタル画像、動画、その他の視覚入力から意味のある情報を抽出することを可能にします。これにより、認識した欠陥や問題に対して推奨事項を提案したり、行動を起こしたりすることができます。

コンピュータビジョンとは？

コンピュータビジョンは、画像や動画に機械学習を適用してメディアを理解し、それに基づいた意思決定を行います。本質的には、ソフトウェアやテクノロジーに「見る」能力を与えるものです。

AI がコンピュータに思考能力を与えるとすれば、コンピュータビジョンは見る、観察する、理解する能力を与えます。コンピュータビジョンは人間の視覚と似た働きをしますが、人間は物体の区別、距離の評価、動きの検出、画像の異常の識別において、文脈に基づく経験という利点を持っています。

コンピュータビジョンの仕組み

コンピュータビジョンは、データに大きく依存しています。データを繰り返し分析することでパターンを識別し、最終的に画像を認識します。たとえば、自動車のタイヤを識別するようにコンピュータを訓練するには、タイヤと関連アイテムの多数の画像を提供し、欠陥のないタイヤを正しく区別して識別できるように学習させる必要があります。この目的で使用される 2 つの主要技術が、深層学習と畳み込みニューラルネットワーク（CNN）です。

機械学習は、コンピュータが視覚データのコンテキストを自律的に学習できるようにするアルゴリズムモデルを使用します。十分なデータがあれば、コンピュータは画像認識のための明示的なプログラミングなしに、自ら画像を区別することを学習します。

CNN は、画像をラベル付けまたはタグ付けされたピクセルに分解することで、機械学習または深層学習モデルを支援します。これらのラベルを使用して、CNN は畳み込み（2 つの関数を組み合わせて 3 つ目の関数を生成する数学的演算）を実行し、自身が「見ている」内容を予測します。ニューラルネットワークは、反復的な畳み込みによって予測を洗練させ、予測が現実と一致するまで精度を徐々に向上させます。このようにして、人間の知覚に似た方法で画像を認識するのです。

あわせて読みたい：自律走行を通してコンピュータビジョンを探る

あわせて読みたい：コンピュータビジョンはなぜこれほど難しいのか？

コンピュータビジョンの歴史

約 60 年にわたり、科学者やエンジニアは、機械が視覚データを知覚し理解するための手法の開発に取り組んできました。1959 年の初期の実験では、神経生理学者が猫に一連の画像を見せ、対応する脳の反応を観察しました。

1960 年代には、AI が学問分野として登場し、人間の視覚の課題に取り組む取り組みが始まりました。

1974 年には、フォントや書体に関係なくテキストを識別できる光学式文字認識（OCR）技術が登場しました。同様に、ニューラルネットワークを用いて手書きテキストを解読できるインテリジェント文字認識（ICR）も登場しました。

1982 年、神経科学者のデビッド・マーは、視覚の階層的性質を確立し、機械がエッジ、コーナー、曲線などの基本的な形状を検出できるアルゴリズムを導入しました。

2000 年頃には、物体認識に焦点が移り、2001 年にはリアルタイム顔認識アプリケーションが登場しました。2000 年代を通じて、視覚データセットのラベリングとアノテーションの標準化が重要になってきました。