コンピュータビジョンのための実践機械学習 ―モデルアーキテクチャからMLOpsまで

4章物体検出と画像セグメンテーション

本書ではこれまで、さまざまな機械学習アーキテクチャを見てきましたが、それらは、1枚の画像全体を分類（または回帰）するという1つの問題を解決するために使用されていました。本章では、物体検出、インスタンスセグメンテーション、シーン全体のセマンティックセグメンテーションという3つの新たな問題について説明します（図4-1）。画像のカウンティング、姿勢推定、生成などのより高度な問題は、「11章　より高度な課題」と「12章　画像生成とテキスト生成」で取り上げます。

図4-1　左から、物体検出、インスタンスセグメンテーション、シーン全体のセマンティックセグメンテーション。出典：Arthropods（https://oreil.ly/sRrvU）とCityscapes（https://oreil.ly/rs9zf）データセット

	本章のコードは、本書のGitHubリポジトリの04_detect_segmentフォルダにあります。コードサンプルやノートブックのファイル名は必要に応じて明記します。

4.1　物体検出

私たちにとって「見る」という行為はとても簡単なことです。そのため、蝶を見つけてその美しさに目を向けるとき、その裏では何百万もの視覚細胞やニューロンが働いていて、光をとらえ、その信号を解読し、さらに高い抽象度の処理をしていることなど考えもしません。 ...