画像認識

画像認識に関連する用語（11件）

画像認識は、画像に写っている物体や状況をコンピュータで識別する技術です。CNNの発展により実用化が進み、現在はマルチモーダルLLMによる柔軟な画像理解へと進化しています。

用語一覧

Convolutional Neural Network / 畳み込みニューラルネットワーク

畳み込み演算により画像などグリッド状データの局所的な特徴を検出するニューラルネットワーク

2012年のImageNet画像認識コンペティションで圧勝し、深層学習ブームの契機となった畳み込みニューラルネットワーク

You Only Look Once

画像を1回のネットワーク推論で処理し、物体の位置と種類をリアルタイムに検出する物体検出モデル

Bounding Box / バウンディングボックス

物体検出タスクにおいて、画像内の対象物の位置と範囲を囲んで示す矩形の座標情報

Vision-Language Model / 視覚言語モデル / VLM(Vision Language Model)

画像と言語を同時に理解し、画像に関する質問応答や説明生成ができるマルチモーダルモデル

Segment Anything Model / Segment Anything

点やボックスの指示だけで画像内の任意の物体を切り出せる、Metaのセグメンテーション基盤モデル

Vision Transformer / ビジョントランスフォーマー

画像をパッチの系列に分割してTransformerで処理する画像認識アーキテクチャ

ユーネット

縮小と拡大の経路をスキップ接続でつないだU字型のネットワーク。セグメンテーションと拡散モデルで標準的な構成

顔検出・姿勢推定・手指トラッキング等のリアルタイム推論パイプラインをモバイル/Web/エッジ上に構築できるGoogleのオープンソースフレームワーク

ML Kit for Firebase

テキスト認識・バーコードスキャン・顔検出等の学習済みモデルをAndroid/iOSアプリへ組み込める、Googleのオンデバイス機械学習SDK

Intelligent Vision Sensor / AIセンサー

撮像回路にAI推論用のプロセッサとメモリを一体化し、撮像からAI処理までをセンサー単体で完結できるイメージセンサー