FINAL KONNEXION ファイナルコネクション 車高調 KIDS RACING DAMPER エブリイ DA62V/W キッズ レーシングダンパー


 >  > FINAL KONNEXION ファイナルコネクション 車高調 KIDS RACING DAMPER エブリイ DA62V/W キッズ レーシングダンパー
000
【送料無料】 M-TECHNO M.T.S. SSL6 ホイール単品4本セット 8.00-18 18インチ

AI BLOG

Development

Research

自動運転にも応用される精緻な画像認識技術、「画像セグメンテーション」とは?事例を交えてわかりやすく解説

Naoki Kitamura

  • 画像解析

近年、ディープラーニング(深層学習)を中心とした機械学習の技術が注目を集めています。そのホットな応用先の1つが画像認識です。

今回は「画像×機械学習」によって、精緻な画像識別を可能にする技術、”画像セグメンテーション”について見ていきましょう。

【ディープラーニングを使った画像認識モデルの開発については、こちらからお気軽にご相談ください。】

FINAL KONNEXION ファイナルコネクション 車高調 KIDS RACING DAMPER 新品1本 エブリイ DA62V/W キッズ レーシングダンパー ウルトラスエード/レザー

「画像×機械学習」といってもその応用例はたくさんあります。
画像セグメンテーションの特徴を理解するためにも、まずはよく使われているその他の画像分類技術も見ていきましょう。
今回は画像セグメンテーションを含む、こちらの3つを紹介します。

1)画像分類(classification)…”その画像が何なのか”を識別
2)画像検出(detection)…”その画像のどこに何があるのか”を識別
3)画像セグメンテーション(segmentation)…”その画像領域の意味”を識別

1)画像分類(classiification)…”その画像が何なのか”を識別

画像分類では、”その画像が何なのか”カテゴリ分けします。
例えば、様々な寿司ネタの書かれた画像を「これはサーモン、これはいくら、これはとろ、、、」というように一枚一枚分類していく感じになります。

最近AmazonからリリースされたAmazon RekognitionのObject and scene detectionもこの画像分類にあたりますね。


こちらの画像では、対象の画像がCityやDowntown、Metropolisであると分類されています。
この方法では1枚の画像が1つの物体等を映し出していた場合には有効ですが、複数の対象が写っていた場合、それぞれを認識することはできません。
例えば、今机にある複数の物体を写真に撮ってRekognitionにアップロードしてみます。

本来であれば「カップとスマホとボトル」が写っているのですが、Amazon Rekognitionでは画像全体へのラベル付けとしてCupやCoffee Cupが上位に来ています。
これでは ベレッツァ ワイルドステッチDX シートカバー ホンダ フリード GB3/GB4 2008年05月~2011年10月 選べる19パイピングカラー カラー3 H048、複数の物体が画像に入り込むシーンでは使えないですね。そういった場合には「画像検出(detection)」を活用することになります。

2)画像検出(detection)…”その画像のどこに何があるのか”を識別

detectionと呼ばれる画像検出では、“何があるのか”に加え“どこにあるのか”も識別ができます。
例えば 15インチ サマータイヤ セット【適応車種:キャスト スポーツ(LA250S、260S)】HOT STUFF プレシャス アストM1 ブラック/リムポリッシュ 4.5Jx15エナセーブ EC202L 165/55R15、先程の画像を例にとると、以下のように「コーヒー、ボトル、スマホ」という3つのwhatとwhereが識別できます。

Facebook上に写真をアップロードすると 【送料無料 i(アイ)用】 F:145/65R15 R:175/55R15 BRANDLE-LINE ブランドルライン カルッシャー ブラック F:4.50-15 R:5.50-15 YOKOHAMA ヨコハマ エコス ES31 サマータイヤ ホイール4本セット【YOsum19】、

FINAL KONNEXION ファイナルコネクション 車高調 KIDS RACING DAMPER エブリイ DA62V/W キッズ レーシングダンパー
KYB 補修用ショック フロント 2本 [クラウン ロイヤル GRS202 2008/2~ AVS装着車用] カヤバ スタンダードショック 送料無料!【エントリーでポイント5倍】215/60R17 96H TOYO TIRES トーヨー タイヤ PROXES CF2 SUV プロクセス CF2 SUV WEDS LEONIS GREILA β ウェッズ レオニス グレイラβ(ベータ) サマータイヤホイール4本セット.送料無料 いすゞ ギガ H22年5月~H27年11月 メッキ ドアアンダーパネル 左右セット ISUZU GIGA アンダーガーニッシュ カスタム パーツ クロームメッキ,カードでポイント最大34倍 3/21(木)20:00~3/26(火)1:59迄 グッドイヤー ベクター Vector 4Seasons Hybrid オールシーズンタイヤ 165/55R14 ブリヂストン ECOFORME エコフォルム CRS 161 ホイールセット 4本 14インチ 14 X 4.5 +45 4穴 100

FINAL KONNEXION ファイナルコネクション 車高調 KIDS RACING DAMPER エブリイ DA62V/W キッズ レーシングダンパー

、顔の部分をタグ付けできるようになっていますが、あの技術も顔を検出する画像検出が使われている例ですね。
Amazon RekognitionにもFace Analysisの機能があったのでこちらの画像も例として載せておきます。

この画像のように、”顔がどこにあるのか?”が顔認識では取得できています。

3)画像セグメンテーション(segmentation)…”その画像領域の意味”を識別

それでは今回のメインである画像セグメンテーションについて見ていきましょう。
Semantic Segmentation と呼ばれる画像セグメンテーションでは、画像全体や画像の一部の検出ではなくピクセル1つひとつに対して、そのピクセルが示す意味をラベル付けしていきます。

画像を見たほうがわかりやすいので実際の画像を見てみましょう。

引用:http://jamie.shotton.org/work/research.html

一番左の画像では、”牛(cow)”に加え“草(grass)”も色づけされています。
これまでに紹介した画像検出では牛という物体が4体検出される以上のことはできませんでしたが 15インチ サマータイヤ セット【適応車種:ピクシス メガ(LA700系)】WEDS レオニス FY パールブラックミラーカット 5.5Jx15ヨコハマ エコス ES31 165/55R15、Semantic Segmentationでは画像全体がピクセルごとに意味づけされます。

この技術の応用例の1つ、自動車の自動運転があります。自動運転では以下のようにリアルタイムでセグメンテーションが行われます。

引用:http://worldwide.chat/E6gij6IS8n0.video

ファッション領域で画像セグメンテーションを使ってみる。

それでは画像セグメンテーションの精度をみるために、実際に人間が着ている服装をsemantic segmentationで識別してみましょう。ここから少し技術的な話になります。

○アルゴリズム
今回はFully Convolutional Neural Networkを使いSemantic Segmentationを行います。

引用:https://arxiv.org/abs/1411.4038

○データセット
こちらのデータセットを拝借しました。
https://sites.google.com/site/fashionparsing/dataset

こちらのデータ・セットでは、左図のような通常の写真と右図のようなピクセルごとに色付けされた画像のセットが2683組あり、「背景」「Tシャツ」「カバン」「ベルト」「ブレザー」「ブラウス」「コード」「ドレス」「顔」「髪」「帽子」「ジーンズ」「レギンス」「パンツ」「スカーフ」「靴」「シャツ」「肌」「スカート」「靴下」「ストッキング」「サングラス」「セーター」という領域に分けて色付けがされています。

○学習

今回は私たちインキュビット社にあるNvidia GPU TitanXのマシンを使ってTensorFlowで実装を行い、データのうち90%を学習に10%を検証に使いました。
Adam optimizerのモデルを使い、バッチサイズ:50、学習率:10^-5、ドロップ率:0.5をという条件で約10時間かかっています。

○結果

セグメンテーションの精度はまぁまぁなようですが、すこし色が違う部分が有りますね。ブラウスやブレザー、ジーンズやレギンス等、細かな部分を識別しきれていないようです。人間がみても見分けづらい箇所なので、難易度は高いのでしょう。

データセットが100万組ほどあるとジーンズとレギンスといった細かい違いにも対応できるかと思います。しかし今回は2700枚以下のセットしかないので、以下のようにも少し大雑把でシンプルな分類にしてみましょう。

・Tシャツ、かばん、ブレザー、ブラウス、コート、セーター → トップス
・顔、帽子、サングラス → 顔
・ジーンズ、レギンス、パンツ、ショートスカート → ボトム
・靴下、ストッキング → 靴下

今度はかなり正答例と近くなりましたね。
画像セグメンテーションではこのような感じで、学習データを用意しモデルを作成していきます。

■最後に
今回の記事では
・「画像×機械学習」の応用として、画像分類、画像検出 、画像セグメンテーションを紹介しました。
・画像セグメンテーションの例として、服装のセグメントのステップを実際のデータを用いてご紹介しました。

Incubitでは「検査/検品作業」「産業用ロボット」「車両/交通」「医療」の4領域を中心に、ディープラーニングを用いた画像認識エンジンをオーダーメイドで開発しています。
詳しくは「Incubit Vision Services」をご覧頂くか、こちらからお気軽にお問い合わせください。

 

ディープラーニング技術を用いた、Incubitの画像認識モデル開発サービス 「Incubit Vision Service」
について、詳しくはこちらをご確認ください。

 

【USA在庫あり】 パフォーマンスマシン 11/16 ハイドロ クラッチコントロール 96年-06年 黒つや消し 0062-2911-SMB JP店
SERVICE
私達は、最先端のディープラーニング・機械学習技術を活かして、様々な業界のプレイヤーと手を組み、次の時代のサービス/プロダクトを共創していくパートナーです。
Leveraging the latest in deep learning and machine learning technology, we collaborate hand-in-hand with players in various industries as a partner to co-create next generation products and services.
CONTACT
If you are interested in learning more about our company and services, please feel free to contact us here. We look forward to building new partnerships and working together on exciting projects!
{yahoojp} {incubit.co.jp}
{yahoojp}jpprem01-zenjp40-wl-zd-75906