バウンディングボックスとは?
バウンディングボックスは、物体、顔、テキスト領域などの特徴を囲む、座標で定義された矩形領域です。表現方法によって、座標軸に平行な矩形の場合も、回転した矩形の場合もあります。
バウンディングボックスの仕組み
検出・アノテーションシステムでは、頂点の座標、原点と寸法、または中心・サイズ・角度でボックスを表します。通常、矩形にはクラス、信頼度スコア、追跡識別子などが付随し、画像をリサイズ、クロップ、パディング、回転するたびに、矩形も変換する必要があります。コンピュータービジョンのワークフローでは、低コストで位置を特定する手段となります。一方、合成やピクセル単位の測定に必要な輪郭は、マスクやポリゴンで保持します。
要点
- 座標の規約は、そのまま置き換えられるものではありません。値はピクセル数の場合も正規化した比率の場合もあり、右端や下端を含むかどうかも規約によって異なります。規約が文書化されていないと、オフバイワンエラーが生じます。
- IoU(Intersection over Union)は、二つのボックスが重なる領域の面積を、両者の和集合の面積で割った値です。物体のピクセルを調べずに、検出結果の対応付け、抑制、評価を行うために広く使われます。
- 平面上の点集合では、その凸包から最小面積の外接矩形を求められます。回転を許容すると、座標軸に平行なボックスよりも大幅に隙間の少ない結果が得られることがあります。
バウンディングボックスが重要になる場面
バウンディングボックスは、検出結果の報告、クロップ範囲の指定、アノテーションの配置、処理対象領域の制限に使います。矩形でない被写体の周囲には背景も含まれるため、精密なセグメンテーションにはマスクが必要な場合があります。