AIによる画像認識は、あらゆる場所で活用されています。製造業での自動化や、スマートフォンの顔認証などが知られていますが、活用が進んでいるのはそれだけではありません。AI画像認識の特徴やそれを活用した技術、導入のメリットや活用事例などをご紹介します。
AIによる画像認識で広がる可能性
AI画像認識によって、どのようなことが可能になったのでしょうか。AI画像認識が実用化するための大きな前進のきっかけとなった、ディープラーニングとはどのようなものか、その概要とあわせて見ていきましょう。
AI画像認識とは
画像認識とは、その画像に何が写っているかを認識することを言います。
これを人ではなく機械によって行う場合、その画像を処理して特徴を抽出し、分析して判別するためにはAIが必要です。
このようなAI画像認識は、ディープラーニングを用いることで精度が向上しました。現在では複雑な特徴の認識も可能になり、さまざまな分野で活用が進んでいます。
AI画像認識と画像処理技術を組み合わせて応用することで、機械による視覚から得た情報をもとに判断する、マシンビジョンが実現しています。
画像処理技術とマシンビジョンについては、こちらの記事もご覧ください。
AI画像認識の精度に必要なディープラーニング
かつてのAI画像認識は、精度が低く処理にも時間がかかるため、実用からは遠いものでした。しかし、ディープラーニングの登場により、大幅に精度が向上し、実用化され広い分野で導入が進んでいます。
ディープラーニングとは「深層学習」と訳されるように、単一の情報の層ではなくいくつもの層を複雑に結び付けて学習していく、機械学習の手法のひとつです。
この多層による構造はニューラルネットワークと呼ばれ、人の神経細胞（ニューロン）のつながりをモデルとしています。ニューラルネットワークを応用し、データのつながりを多層化、深層化することによって段階的に特徴を抽出し、従来の機械学習に比べ高精度で柔軟な分析が可能になりました。
ディープラーニングを含む機械学習は、「教師あり学習」「教師なし学習」「強化学習」の、主に3つの学習法に分けられます。
教師あり学習では正解を準備し、そのデータをもとに予測値を正解に近づけることを目的として行います。教師なし学習では、正解を与えずにデータの構造や特徴を機械に分析させ、グループ分けや基準の統合・簡略化を行います。強化学習は機械の行動に対し報酬を設定し、報酬が最大化されるよう行動を最適化していく手法です。
このような学習手法を使い分け、AIによる判断の精度を高めることで画像認識も実用化できたと言えます。
AI画像認識によってできること
AI画像認識では次のようなことができます。
顔認識
AIが人間の顔画像から特徴を抽出し、個人の特定や識別を行います。目や鼻、口だけでなく、細かな特徴を含めて複数要素から認識することが可能で、マスク着用時でも対応できるものも登場しています。
物体認識
画像内にある物体をそれぞれ認識してカテゴライズしたり、それぞれの特徴を抽出したりします。
文字認識
紙に書かれている手書きの文字や印刷された文字について判別する技術です。画像内に文字があれば、文字認識によってそれを抽出することが可能です。
AI画像認識から応用される技術
画像内に特定の対象物があることを認識するまでが、画像認識の範囲です。画像認識を応用することで、それらのなかから特定の物体を探し出したり、本来存在しないものを作り出したりすることができます。
物体検出
画像内にある物体を認識し、そこから特定の物体を見つけ出すのが物体検出です。
コンピューターにとっては存在を認識することと、特定のものを検出することは別のプロセスで行われるため、物体認識と物体検出は異なる技術と考える必要があります。
例えば、運転支援システムの機能のひとつとして、歩行者を検出し通知する機能があります。これはカメラに写った映像内にさまざまな物体があることを認識したあと、そのなかから人を検出する物体検出の技術が用いられています。
異常検知
正常な状態と異常な状態の画像データを、それぞれ大量に学習させることで相違点や特徴を分析してパターンを覚え込ませます。
これにより、異常な状態を検知して通知することが可能になります。
生産ラインのコンベアーを流れる製品において、不良品や損傷の検知に使われています。
画像生成
必要とされる情報を含む大量のデータを学習させることで、AIが画像を生成することも可能になっています。
与えた画像データの特徴に沿って求められる新たな画像を生成したり、実際には存在しない人物の顔を作り出したりすることができます。また、モノクロ画像に色を付けたり、手描きの絵の線画を整えたり、着色したりするといったことも可能です。
AI画像認識導入のメリット
AI画像認識を導入することで得られる大きなメリットは、次の3つとなります。
業務の自動化
AI画像認識を応用することで、従来は人が行っていた業務を機械に代行させたり、機械によってサポートしたりすることができます。
これにより、業務の自動化や正確性の向上、迅速化などが可能になります。
新たなビジネスモデルや業務プロセスの確立
画像認識によって人流を測定、そこから得たデータを分析してマーケティングに活用することもできます。
また、ドローンによる農作物の育成状況分析、自動車の自動運転技術など、AI画像認識がなければ実現できなかったことが次々と現実のものとなりつつあります。
未知の可能性を発見
ディープラーニングの学習法のひとつ、教師なし学習の手法を用いると、AIは独自の法則を見つけ出す可能性があります。
教師なし学習では、正解を与えずに機械に法則性や共通点を見つけ出させます。このとき、これまでの基準では想定していなかった法則が発見されることがあります。
人が把握していなかった分類方法や規則性が発見されることで、これまで知られていなかった価値のある情報にたどり着く可能性があります。
AI画像認識の活用事例
AI画像認識は、実際に次のような場所で活用されています。
顔認識による検温器
多くの施設で導入されている、カメラで撮影した人の体温を表示する非接触型の検温器には、AI画像認識の技術が用いられています。
こういった非接触式検温器は、一瞬カメラの前で立ち止まる、または通過するだけといった短時間で計測できます。利用者の利便性を大きく損なうことなく、非接触で清潔に体温を計測できます。
映像内から人の顔を認識し、サーモグラフィーカメラによって温度を計測すると同時に、顔認証機能によって登録してある個人とひもづけ、マスク着用の有無や毎日の体温を記録することも可能です。
AI-OCR
画像内に含まれる文字を認識して読み取り、文字データに変換する技術がOCR（Optical Character Recognition：光学文字認識）です。これにAIによる学習を組み合わせたものがAI-OCRです。
従来のOCRでは、読み取り可能なものが限定され、基本的に読み取り不可能なものは対応できないままでした。AI-OCRでは、読み取りを繰り返すことでAIが学習し、読み取り精度が向上していきます。特に手書き文字で大きな効果があり、文中に含まれる画像の角度の自動補正も可能です。
紙ベースの業務をデジタル化する過程では、デジタル化によって得られるメリットよりデジタル化に必要な変換工程に大きなコストと手間が必要な場合があります。こういった場合、短期的にはデジタル化の効果が小さくなってしまうこともあるでしょう。
AI-OCRの導入によってこういったマイナスの部分を最小化でき、デジタル管理へとスムーズに移行することが可能です。
行動分析によるインストアマーケティング
小売店舗では、どのような商品がどの時間帯にどれくらい売れたかといったデータをPOSによって収集し、マーケティングに活用しています。
しかし、このPOSデータだけでは、「顧客がどのように店舗内を移動し、どこで関心を持ち、商品を手にしたか」といった行動は把握できません。
こういった店舗内での顧客の行動をマーケティングに活用するため、AI画像認識の技術が応用されています。
店舗内に設置されたカメラにより、店舗内にいるスタッフではない顧客が認識されます。顧客がどのような動線で店舗内を移動し、どこで立ち止まり、商品に接触したかといったデータが収集されます。
これをAIによって分析し、顧客が購買行動に移りやすい陳列棚の配置や商品配置を最適化します。大手コンビニエンスストアではすでに導入、運用されています。
『HALCON』のDeepOCRによるによる物流システムソリューション
物流業界では、ハンディデバイスを用いたコード読み取りにより物の管理を行っています。しかし、コードサイズによっては読み取りがスムーズに行えない場合がありました。そこで、文字の読み取りも併用したDeep OCR機能が活用されています。
Deep OCRは、文字の向きフォントに依存することなく高精度に文字を認識することが可能なため、ダンボールが不整列の状況下であっても、高い効果を発揮します。
また、エッジ処理/クラウドなどクライアントの用途に合わせた柔軟な構成も可能となっており、検品作業工数の削減に大幅に貢献できるソリューションとして、物流業界で大きく期待されています。
AI画像認識があらゆる場所で活用される社会に
AI画像認識について、特徴や種類、応用した技術や活用事例などをご紹介しました。
AI画像認識は、スマートフォンの顔認証や文字認識によるデータ化などで活用されていました。さらに社会環境の変化により、人の出入りの多い施設では体温を測定する検温器として急速に活用が進みました。このほか、製造ラインでの不良品検出自動化、自動車の自動運転技術などにも必須の技術です。AI画像認識はこれからの社会において、あらゆる場所で活用されていくと考えられます。
こういった特定の用途のAI画像認識では、汎用的な処理ではなく特定の用途に特化したエンベデッドシステムがよく用いられます。エンベデッドシステムについては、エンベデッドシステムとは―メリットや導入時のポイントを解説で詳しく解説しておりますので、合わせてご覧ください。
リンクスでは、エンベデッドシステムとして組み込むことでAI画像認識を可能にするソリューションをご用意しております。特定の用途に特化したAI画像認識の活用と、そのソリューションについて情報をお求めの方はこちらをご覧ください。
