画像分類とは?

画像分類は、画像の視覚的な内容に基づいて、あらかじめ定義したひとつ以上のラベルを画像全体に割り当てます。位置推定タスクとは異なり、ラベルを付けた対象の位置や境界を特定する機能は本来含まれません。

画像分類の仕組み

分類モデルは、画像の表現を定義済みのラベル集合に対するスコアに変換し、そのスコアからひとつ以上のカテゴリを出力します。単一ラベル方式はクラスが相互排他的であることを前提とし、複数ラベル方式は独立した複数のラベルを許容します。判定の決め手となる情報が小さな領域にしかなくても、結果は画像全体について記述します。メディアパイプラインでは、分類によってルーティング、フィルタリング、検索情報の拡充、品質チェック、後段で使う専用モデルの選択を支援します。

要点

  1. ソフトマックスの出力はクラス間の競合を表し、相互排他的なラベルに適しています。一方、同じ画像に複数のラベルが該当しうる場合には、独立したシグモイド出力が一般的に使われます。
  2. 確率のしきい値は適合率と再現率のトレードオフを制御し、多くの場合、クラスごとの校正が必要です。最大のスコアを選ぶだけでは、その画像が既知のクラスに属するとは判断できません。
  3. カメラ、編集スタイル、人口統計的属性、被写体の出現頻度などのデータセット分布が変化すると、学習から除外したテストデータで良好な結果が得られていても、本番環境での精度が低下することがあります。そのため、実環境のサンプルを監視する必要があります。

画像分類が役立つ場面

物体の座標ではなく、コンテンツの種類や振り分け先など、画像単位のカテゴリが必要なワークフローでは分類を使ってください。学習済みの分類体系に含まれないラベルや、複数の被写体を含む画像では、結果が曖昧になることがあります。

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