さまざまな企業や地方公共団体などで、AIを活用した画像解析技術が使用されています。読者の中にも、この技術を自社のビジネスに応用したいと考えている人もいるのではないでしょうか？
しかし、AIによる画像解析と聞いても具体的な仕組みがイメージできず、よくわからないと感じる人もいるでしょう。そこでこの記事では、AIによる画像解析を実現している基本的な仕組みや、ビジネスにおける活用方法を紹介します。
自社で活用できそうな技術を発見したら、ぜひ導入を検討してみてください。AIをうまく活用すれば、新たなビジネスチャンスが浮上したり既存の業務を省力化・省人化する可能性があります。
例えば、画像に映った人の数をAIにカウントさせることも可能で、画像解析AIを活用することで人手観測を省人化・省力化することを実現させています。
・AIによる画像解析とは？
ーコンピュータが画像に何が映っているか認識できる
ー安価にAIによる画像の解析ができるようになってきた
・AIによる画像解析のメリット・デメリット
ーAIによる画像解析のメリット
ーAIによる画像解析のデメリット
・AIによる画像解析でできること
ー画像の分類
ー物体の検出
ーセグメンテーション
ー画像の生成
・AIを使用した画像認識を実装する2つの仕組み
ー独自にディープラーニングモデルを学習する
ー学習済みのディープラーニングを活用する
・ディープラーニングで画像解析のAIモデルを作成する手順
ー手順1: 学習用の画像データを収集する
ー手順2: データクレンジングを実施する
ー手順3: アノテーションを実施する
ー手順4: コンピュータに学習させる
ー手順5: 推論を実施する
・AIによる画像認識の活用例
ー自動車の自動運転
ー顔認識技術による人物の識別
ーOCRによる文字起こし・翻訳
ーマーケティングの効率化
・画像解析用のAIはさまざまな場面に活用できる
最初に、AIによる画像解析がどのような技術なのかについてチェックしていきましょう。ここでは、とくに重要なポイントとして以下の2つについて解説します。
- コンピュータが画像に何が映っているか認識できる
- 安価にAIによる画像の解析ができるようになってきた
特徴を正しく理解し、自社のビジネスにどのように応用できるかを考えるとよいでしょう。
AIを活用した画像解析にAIを活用すると、コンピュータが自動的に画像に何が映っているかを認識してくれるようになります。画像から得られるデータの一例は以下のとおりです。
- 画像が何のカテゴリに属するか
- 画像のどの部分に何が写っているか
- 他の画像と比較して異なる点はないか
- 人物がどのような恰好をしているか
- 人物の年齢・性別・表情はどうなっているか
通常、これらの作業を行おうとすると人間が一つひとつ画像を確認しなければなりません。しかし、AIを活用するとコンピューターが自動的に何が写っているかを認識したり、動画であれば対象をカウントするといったことを行ってくれます。
スマートフォンが普及したこと、またそれに伴ってカメラの価格が安くなったことから、さまざまなビジネスにおいて安価に画像を扱えるようになってきました。また、AI画像解析ができる端末が安価に利用できるようになってきたことから、低コストで様々な解析ができるようになり、AIによる画像解析の需要が高まっています。ビジネスで取り扱う画像は業種によって大きく異なりますが、主に以下のようなものがあります。
- スマートフォンで撮影した画像
- 防犯カメラで撮影した画像
- 車載カメラで撮影した画像
場合によっては、静止画だけではなく動画を取り扱うこともあるでしょう。膨大な画像を手動で取り扱うと多くの手間がかかり、非効率です。
画像の取り扱いをAIに任せることで、業務を効率化したり画像に含まれるデータを活用して新たなビジネスのヒントにしたりできるようになります。
自社でAIを活用した画像解析を導入しようか検討しているなら、いくつかチェックしておきたいポイントがあります。ここでは、AI画像解析の特徴を以下の2つに分類して見ていきましょう。
- AIによる画像解析のメリット
- AIによる画像解析のデメリット
事前にメリットとデメリットの両面をチェックすることで、導入してから後悔することを防げます。
画像解析にAIを導入すると、以下のようなメリットがあります。
- 画像分類という定型作業を自動化できる
- 人力で分類するより作業精度が高まる
- AIを使わなければ実現できない技術を実現できる
- 人員・時間・費用などのリソースを削減できる
- 画像から得られるデータをビジネスに活用できる
作業の大部分を機会化することで業務にかかる時間を大幅に短縮したり、ミスを減らしたりする効果が期待できます。
ほかにも、人間が気づかなかった法則など、ビジネスに役立つデータを画像からゲットできる可能性もあるでしょう。ビジネスで膨大な画像を取り扱っているなら、AIを導入するメリットが大きいといえます。
一方で、AIによる画像解析にはいくつかのデメリットが存在します。メリットばかりに注目すると、導入してからやりたいことができずに困る可能性があるので注意してください。主なデメリットを挙げると以下のとおりです。
- システムを導入・運用するためのコストがかかる
- 技術上の限界が存在する
- 誤検出を減らせてもゼロにできるわけではない
- 学習用のデータを用意する手間がかかる
システムを構築して運用するのにコストがかかるのはもちろん、作業精度をはじめとした技術上の限界にも注意しなければなりません。AIによる画像認識でできることと、できないことをきちんと理解することが必要です。
ほかにも、AIの精度を高めるには学習が必要になることもあります。学習用のデータを準備してAIに学習させる手間がかかることも意識しましょう。
画像解析にAIを活用すると何ができるのか気になっている人もいるのではないでしょうか？具体的な活用方法はさまざまですが、その一例を挙げると以下のとおりです。
- 画像の分類
- 物体の検出
- セグメンテーション
- 画像の生成
ここでは、それぞれの活用方法について詳しく解説します。自社でも活用できそうなものがないかぜひチェックしてみてください。
画像の分類にAIを活用すると、膨大な画像を写っているものにもとづいて分類可能です。AIに学習させる際にあらかじめラベルを設定しておき、AIは読み込んだ画像がどのラベルに該当するかを判断して分類します。
一例として、学習時にヒト・ネコ・イヌ・ウマ・イノシシ・その他というラベルを設定しておき、動物の画像を大量に読み込ませた例を考えましょう。学習時には、それぞれのラベルが付された画像の特徴を学習します。
実運用で未知の画像を読み込ませると、AIは1枚1枚の画像がどのラベルの特徴を満たしているかを判断し、分類結果を出力します。例えば、農作物の良品と不良品を分類するといったことや、魚の種類を判別するといったことに利用できます。
物体の検出もAIによる画像解析が得意とする分野です。画像をAIに読み込ませると、どの部分に何が写っているのかを検出します。この技術は、文字認識などにも活用されているものです。
文字が含まれる画像をAIに読み込ませると、どこに何の文字が含まれているのかを自動的に検出し、テキスト化して出力します。手書きの文字や印刷物の文字をテキストデータ化したいときに使えるでしょう。
ほかにも、この技術は顔認識にも応用されています。人が多数写っている画像を読み込ませてどこに人間の顔が写っているのかを検出し、人数をカウントしたりデータベースと照合して特定の人物を探し出したりするのに役立つでしょう。
物体検出について詳しく知りたい方は下記リンクよりご確認だくさい。
セグメンテーションとは、画像のどの部分に何が写っているのかを検出するための技術のひとつです。被写体の検出と似ていますが、セグメンテーションではピクセル単位で分けられます。
一例として風景画像を読み込ませた場合を考えましょう。風景画像に山・海・空・建物・車・人間・ペットが含まれていた場合、画像のピクセル一つひとつをどれにラベル付けすればよいのかを判断します。
例えば、車載カメラの映像から車道がどこにあるかを認識したり、衛星画像から度のエリアに何が存在するか認識するといった用途に応用できます。
AIを利用して新たな画像を生成することも可能です。画像を作る技術をGAN（Generative Adversarial Network）と呼び、あらかじめ入力したデータに近い特徴をもつ画像データを生成します。
実在しない画像データを生成して出力できるため、アパレル業界などで活用されています。GANを活用すると試着データを自動生成でき、実際に人間が製品を試着する必要がありません。
膨大な製品の試着データをAIで生成することで、画像を用意するコストや時間を削減できるのが大きなメリットです。
画像認識にAIを活用するには、大きく分けて以下の2つの方法が存在します。
- 独自にディープラーニングモデルを学習する
- 学習済みのディープラーニングを活用する
ディープラーニングとは、DNN（Deep Neural Network）を用いた機械学習の一手法です。DNNは相互接続している多数のノードで構成されており、ノードの重みづけをデータから学習することで、従来はコンピュータで実現できなかった帰納的な推論ができるようになり、画像認識の精度も飛躍的に高まりました。
ただ、ディープラーニングを活用するにあたっては、独自にデータを学習させるのではなく、学習済みのモデルを活用した方がよい場合もありますので、どちらを採用すべきかは目的に応じて判断しましょう。
ディープラーニングのモデルにラベル付きのデータを読み込みませて独自にディープラーニングのモデルを作成する方法です。もし、認識した対象が人や車といった一般的なものではなく、特定の製品の良品・不良品を判別したいといった特殊な場合は、データを作成して学習を行う必要があります。
認識したい対象が、人物、車両、ナンバープレートといった汎用的に使える物である場合は、学習済みのディープラーニングモデルが多く存在します。
学習済みのディープラーニングモデル活用すれば、学習の手間をかけることなく高精度な画像認識AIを活用することが可能です。
画像解析用のAIを開発するには、事前に学習用のデータを準備して学習させなければなりません。ここでは、AI開発の一例として独自のディープラーニングモデルを開発する場合の手順を解説します。開発手順は以下のとおりです。
- 学習用の画像データを収集する
- データクレンジングを実施する
- アノテーションを実施する
- コンピュータに学習させる
- 推論を実行する
最初に、学習用の画像データを用意しなければなりません。自社で保有している画像や動画から学習用のデータを用意しましょう。抽出したデータはそのままでは学習に使えないため、次のデータクレンジングが必要です。
用意したデータを画像認識AIの学習に活用するためには、「データクレンジング」が必要です。データクレンジングとは、不正確なものや無関係なもの、間違っているものを除去して整える作業を指します。
集めたデータはそのままでは使えないものが混ざっているため、この作業を行ってデータを整えることが必要です。
教師あり学習の場合は、学習するデータにアノテーションを行わなければなりません。アノテーションとはラベル付け作業のことで、画像と正解を示すラベルを紐づけます。AIはここで付与したラベルにもとづいて学習する仕組みです。
学習用データの準備が完了したら、AIに学習させます。AIはラベルが付されたデータを入力することで学習し、推論モデルを生成します。学習作業が終わったら、AIによる画像解析を使用する準備は完了です。
学習が完了したら、未知の画像を入力して画像解析を実施できるようになります。AIに未知の画像を入力すると、AIはモデルに応じて、どこに何が映っているか、画像がどのクラスに分類されるかなどを認識して出力します。
なお、運用開始時点では画像解析の精度が不十分なことがあるので注意してください。精度を高めるには継続的に学習させたりアップデートしたりすることが必要です。
最後に、AIによる画像解析がビジネスの現場においてどのように活用されているのかをチェックしましょう。ここでは、活用事例として以下の4つを紹介します。
- 自動車の自動運転
- 顔認識技術による人物の識別
- OCRによる文字起こし・翻訳
- マーケティングの効率化
いずれも注目されている分野なので必見です。自社でも活用できそうな分野があれば、AI画像解析の導入を検討してみてもよいでしょう。
自動車の自動運転を実現するには、AI画像解析の技術が欠かせません。自動運転は以下のような仕組みで実現しています。
- 自動車に搭載したカメラが車両周囲の映像を撮影する
- AIシステムで撮影した映像を解析し、どのような状況なのかを判断する
- 状況に応じ最適な経路を計算し、車両を誘導する
道路上には障害物があったり、信号や標識が設置されていたりします。車線の状況や道幅などもさまざまです。多種多様な道路状況を適切に見極め、安全に車両を誘導するにはAIによる学習や画像解析技術が不可欠です。
AI画像認識の物体を識別する機能や特徴にマッチした画像を検出する機能を活用し、顔認識技術が開発されています。顔認証やセキュリティシステムなどに使われており、具体例は以下のとおりです。
- 建物の入口に顔認証システムを設置し、登録された人物が来たときにロックを解除する
- 本人確認書類と保有者の顔を照合し、本人確認を実施する(eKYC)
オフィスの入口に設置するセキュリティシステムや銀行の本人確認システムなどに応用されています。ほかにも、セキュリティカメラに映った群衆の中からデータベースに登録された特定の人物をピックアップする技術も存在します。
SCORERにもAIを活用した顔認証による人物特定のソリューションがあります。なお、顔認証のソリューションと複数のAIソリューションを組み合わせたAIを活用した勤怠管理システムがあります。
また、画像解析AIを活用することで、様々な業務を省人化できます。省人化について詳しく知りたい方は下記リンクをご確認ください。
AIによる画像解析を活用すれば、OCR（光学的文字認識）の精度を高めることも可能です。印刷物を撮影した画像や手書きの文字などをAIに入力すれば、どこに何の文字が記載されているのかを検出してテキストデータに変換してくれます。
変換したデータを出力するだけではなく、別の言語に翻訳することも可能です。複数の処理を組み合わせられるため、さまざまな場面で活用できるでしょう。
画像解析をマーケティングに応用する方法も存在します。小売店に設置されたカメラの映像をAIシステムで解析して時間帯ごとの来客数や顧客の属性を識別し、POSで保有している売上データと連携させることが可能です。
これによって誰にどのような商品が売れているのか、時間帯ごとの売上と顧客の属性にどのような関係があるのかを可視化できます。
他にも、顔認証と組み合わせて行動データと売上データを連携させ、レコメンドシステムを運用したりする方法も考えられます。
なお、SCORERではAIカメラでサイネージ広告を視聴している人の特徴や注目度を数値化し、レポート化するシステムとして「サイネージ視聴者計測」を提供中です。小売店などでご活用いただけるので、ぜひ検討してみてください。
画像解析用のAIは小売業や運輸業、情報通信業などさまざまな産業で活用できます。うまく活用すれば手動で行っていた業務を自動化して業務を効率化したり、解析データから新たなビジネスにつながるヒントを得たりできるでしょう。
AIソリューションの活用方法は企業によってさまざまなので、自社で使えそうなものがないかぜひ検討してみてください。SCORERではさまざまなAIシステムを提供しているため、ビジネスにAIの力を活用したい人はぜひ一度ご相談ください。