画像セグメンテーションとは?

画像セグメンテーションは、画像を意味のある画素領域に分割する処理で、多くの場合、各画素に意味的なクラスを割り当てます。その出力は、画像分類やバウンディングボックスよりも精密に境界を表します。

画像セグメンテーションの仕組み

セグメンテーションは、画像のグリッドに対応するラベル場やスコア場を生成し、ソフトウェアがフレーム全体や矩形だけでなく、領域を単位に判断できるようにします。従来の手法は輝度、色、エッジ、連結性によってサンプルをグループ化しますが、学習ベースのシステムはアノテーション付きの例から意味的なマスクを予測します。後処理では、微小領域の除去、隙間の補完、境界の精密化を行う場合があります。得られたマスクは、合成、計測、検査、または空間的に精密な領域選択が必要なモデルの処理段階に使用します。

要点

  1. セマンティックセグメンテーションは同じクラスの全ピクセルをまとめますが、インスタンスを区別する出力では、個々の物体の識別情報を保持します。どちらも、前景のアルファ値を連続値として推定する処理とは異なります。
  2. カテゴリを表すラベルマップのリサイズには、最近傍サンプリングなど、ラベルを考慮した手法を使う必要があります。通常の補間では、存在しないクラス値が生成されるためです。
  3. 領域の重なりを測るスコアでは、細い境界部分の誤差が隠れることがあります。そのため、切り抜きや医療分野の輪郭抽出などでは、エッジや距離に基づく別の評価が必要になることがよくあります。

画像セグメンテーションが重要になる場面

背景除去、計測、編集で、おおよその位置ではなくピクセル単位の境界が必要な場合は、セグメンテーションを使用します。精細なマスクほどアノテーションと計算のコストが高くなり、合成時には境界の誤差が目立ちます。

メディアの知識を実用的なパイプラインに

単一の宣言的 API で、アップロード、処理、AI、ストレージ、配信を連携できます。エンコードスタックの管理、スケーリング、形式の変化への対応はお任せください。

Transloadit を無料で試す