人工知能技術の進歩とともに、
画像認識をやってみたい！
という方も多いかと思います。
今回は、画像認識の特徴量について、
特に「局所特徴」についてまとめたいと思います。
局所特徴は、特徴量の最も基本的なもので、
さらに発展的な特徴量の基礎となっています。
物体検出をディープラーニングでやりたい！
R−CNNでCNN特徴を使うんだけど、なにこれ？
といった方も、
まずは局所特徴を学ぶことで、
応用的な特徴量も理解が促進されるはずです。
というわけで、本記事では、
画像認識の特徴量の基本「局所特徴」について
サクッと初心者の方にもわかりやすいようにまとめたいと思います。
本記事の概要
「画像認識」の「特徴量」(1)：「局所特徴」ってなに？メリットは？どんな性質が必要なの？についてまとめました
初心者の方向けに、まず、画像認識について
補足しておきますね。
画像認識とは
- 画像の中の物体を理解すること
と言えます。
例えば、画像の中の人や物を入力すると、
出力として、人がいる、コップがある
が得られる技術のことになります。
画像の内容を理解するためには、
画像の特徴をつかむ必要があります。
じゃあ、
- 画像の特徴ってなんだろう？
って思われる方も多いかと思います。
そこで本記事で、
特徴量の１つで、１番基礎となる
- 局所特徴
について紹介します。
じゃあ、以下で、
- 局所特徴ってなに？
- 局所特徴を使うメリットは？
- 局所特徴ってどんな性質が必要なの？
についてまとめていきますね。
画像認識の特徴量：「局所特徴」とは？
局所特徴とは、一言でいうと、
画像全体の中の一部分から得られる特徴のことです。
局所特徴の反対のものとして、全体特徴もあります。
例えば、人が立っている画像を考えてみます。
人の画像では、人の頭や腕など、
体のそれぞれの部分部分が、特徴的な形になっています。
この画像の局所特徴は？と言われたら、
体の各部分のみの範囲を考えて抽出した特徴
ということになります。
人の頭・腕・足などは、例えば、
本やパソコン、車などと比べてみると、
違った特徴だとわかっていただけるかと思います。
この違いを利用して、画像の認識ができるようになります。
ちなみに、画像の全体特徴は、
人の立っている画像全体から得られる特徴になります。
頭も腕も足もすべて含んだ特徴となります。
局所特徴を使うメリットは？
- 全体特徴にも、局所特徴の情報が入ってるんじゃないの？
- だったら、どっちでも同じじゃないの？
と思われる方もおられるかもしれません。
実は、局所特徴の方が画像認識する上では有利なんです。
その理由を説明しますね。
例えば、人と車と荷物が写ってる画像の特徴量を考えてみますね。
この画像の局所特徴は、
- 人の頭・腕・足
- 車のナンバー・フロントガラス・タイヤ・・・
- 荷物の形・色・ロゴ・・・
などになります。
それに対して、
全体特徴では、人と車と荷物のすべてを含んだ特徴となります。
というわけで、以下では、
- 局所特徴量は全体特徴量とどう違うの？
- その違いによって画像認識にどういう影響が出るの？
- 局所特徴量に必要な４つの性質ってなに？
について、わかりやすく解説しています。
この先は会員限定になります。
会員の方はログインをお願いいたします。
登録がまだの方は、会員登録をお願いします。
>>> 会員登録はこちら
こちら無料です↓
