インスタンスセグメンテーションとは

インスタンスセグメンテーションは、画素に意味的なクラスと個々の物体の識別情報の両方を割り当てます。セマンティックセグメンテーションとは異なり、同じクラスの複数の物体を個別のマスクに分離します。

インスタンスセグメンテーションの仕組み

インスタンスを識別するモデルは、検出した物体ごとに個別の空間マスクと、そのカテゴリおよび信頼度を出力します。モデルの構造によっては、まず物体候補を挙げて候補ごとにマスクを予測する場合も、統一的な画素表現から各物体の識別情報を導き出す場合もあります。この出力は、クラスのみの領域マップでは失われる個数や重なりの関係を保持します。推論とマスクの後処理を経て、物体の編集、在庫管理、ロボティクス、追跡、計測に利用されます。

要点

  1. パノプティックセグメンテーションは、数えられる物体のインスタンスと、インスタンスに分けない背景領域を組み合わせます。一方、インスタンスセグメンテーションでは、不定形の背景クラスを完全に省略することもできます。
  2. 同じカテゴリに属する二つの物体が部分的に遮蔽されている場合、それぞれを別の物体とする仮説が必要です。モデルは、両者を合わせたクラス領域が正しく見えていても、単一のマスクに統合してしまうことがあります。
  3. インスタンス識別子はカテゴリ値なので、マスクのリサイズやエクスポートでは正確な ID を保持する必要があります。識別子画像を補間すると、無効な中間の物体番号が生じます。

インスタンスセグメンテーションが重要になる場面

クラス全体を一つの領域として扱うのではなく、個々の物体を数え、編集、測定、追跡する必要がある場合に、インスタンスセグメンテーションを使います。重なった物体や一部が隠れた物体は、結合、分割、検出漏れが生じることがあり、後続処理の集計値やマスクに影響します。

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