深度情報
深度情報とは、カメラなどのセンサーから対象物までの距離を示すデータのことです。2次元の画像データに奥行き（Z軸）の次元を加えることで、物体の立体的な形状や配置、3次元空間における位置関係を正確に把握するために用いられます。自動運転、ロボットのナビゲーション、AR、顔認証など、様々なAI技術の基盤として重要性が高まっています。
画像認識のAI用語一覧（2ページ目）
116件画像認識に関するAI用語を116件掲載しています。意味や使い方、関連用語を一覧から確認できます。 現在は2ページ目です。
信頼度スコア
信頼度スコアとは、AIや機械学習モデルが予測や出力結果に対してどれだけ自信を持っているかを数値化したものです。画像認識や自然言語処理などの分野で広く使われ、予測の確実性を測る重要な指標となっています。
平均プーリング
平均プーリングは、畳み込みニューラルネットワークにおいて領域内の特徴量の平均値を計算し、データサイズを縮小する処理です。情報の急激な変化を和らげながら、計算量を削減するために用いられます。
画像セグメンテーション
画像セグメンテーションは、デジタル画像を画素単位で領域分割し、物体や背景ごとに分類するコンピュータビジョン技術です。自動運転や医療画像診断など、AIが詳細な視覚情報を理解するために欠かせない基盤技術として広く活用されています。
マルチオブジェクトトラッキング
マルチオブジェクトトラッキング（MOT）とは、動画などの連続フレーム内で複数の対象物を同時に検出・追跡するコンピュータビジョン技術です。各物体に固有の識別番号を割り当て、遮蔽や交差が発生しても同一性を維持し続けます。自動運転の障害物検知や防犯カメラの人物追跡など、リアルタイムな状況把握に不可欠な役割を果たします。
最大プーリング
最大プーリングとは、畳み込みニューラルネットワークにおいて特徴マップの解像度を下げ、主要な特徴を抽出するダウンサンプリング手法の一つです。領域内の最大値を選択することで、位置のわずかな変化に対する頑健性を高め、計算量を削減します。
オブジェクト検出
オブジェクト検出は、画像や動画の中から特定の対象物の位置を矩形枠で特定し、その種類を判別するAI技術です。単に何が写っているかを識別するだけでなく、画像内のどこに複数の対象が存在するかを同時に把握できます。自動運転や防犯システム、製造現場の検品など、迅速かつ正確な状況理解が必要な分野で幅広く活用されています。
光学文字認識
光学文字認識（OCR）は、手書きや印刷された文書の画像をスキャンし、コンピュータが編集・検索可能なテキストデータに変換する技術です。AIやディープラーニングの導入により認識精度が飛躍的に向上し、業務効率化やペーパーレス化に不可欠な基盤技術となっています。
畳み込み処理
畳み込み処理とは、画像などのデータに対してフィルター（カーネル）をスライドさせながら局所的な特徴を抽出する数学的な操作です。ディープラーニングにおける畳み込みニューラルネットワーク（CNN）の核心技術として、画像認識や音声処理などで広く活用されています。
解像度
解像度とは、画像やデータの精細さや情報の密度の細かさを表す尺度です。AIやコンピュータビジョンの分野では、入力・出力画像のピクセル数だけでなく、モデルが把握・生成できる情報の詳細さや精度の高さを示す言葉としても使われます。近年はAIを活用した超解像や高解像度な画像生成AIの技術が大きく進化しています。
ピクセル
ピクセル（画素）とは、デジタル画像を構成する最小単位の点です。各ピクセルはRGBなどの色情報を数値として保持しており、AIによる画像認識や画像生成の基礎データとして用いられます。畳み込みニューラルネットワークなどのモデルは、これらのピクセル値を配列として処理し、局所的な特徴から画像全体の意味を理解します。計算量削減のため、適切な解像度への調整が重要です。
顔検出
顔検出とは、画像や動画の中から人間の顔の位置や領域を特定するAI技術です。顔認識の前段階として広く利用されており、スマートフォンでのオートフォーカスや防犯カメラの人物特定など、さまざまな応用分野で活用されています。
外観検査
外観検査とは、製品の表面や形状におけるキズや汚れ、異物の混入などを目視や専用の装置で確認する工程です。近年ではAIやディープラーニングを活用した自動化が進んでおり、従来のルールベースの手法では難しかった複雑な判定を高精度かつ高速に行えるようになっています。
アベレージプーリング
アベレージプーリングは、畳み込みニューラルネットワークにおいて特徴マップの局所的な領域の平均値を計算し、データサイズを縮小するプーリング処理手法です。画像の解像度を下げて計算量を削減しつつ、全体的な特徴を保持する役割を持ちます。
AIマッティング
AIマッティング（AI Matting）は、ディープラーニングを用いて画像や動画から人物などの被写体と背景を高精度に分離するコンピュータビジョン技術です。従来の技術では困難だった髪の毛や半透明の物体などの複雑な境界線を、ピクセルごとに透過度（アルファチャンネル）を算出することで美しく切り出すことができます。
FCN
FCN（Fully Convolutional Network）は、画像のピクセル単位での分類を可能にするディープラーニングモデルです。従来のネットワークから全結合層を排除し、すべてを畳み込み処理に置き換えることで、入力サイズを選ばずに高精度なセマンティックセグメンテーションを実現しました。自動運転や医療画像解析など、正確な領域検出に幅広く応用されています。
モーションキャプチャ
モーションキャプチャとは、人や物の現実世界での動きをデジタルデータとして記録・計測する技術です。従来は身体に専用のマーカーを装着する方式が主流でしたが、近年ではディープラーニングやコンピュータビジョンを活用し、カメラ映像のみから動きを解析するマーカーレス技術が急速に進化しています。映画、ゲーム、AI学習用データの生成などで幅広く利用されています。
遠隔監視
遠隔監視とは、ネットワークを介して離れた場所にある施設や設備の状況をリアルタイムで把握するシステムです。近年ではAIを活用した異常検知や画像認識技術が統合され、人間の目視による監視から自動化された高度な監視体制へと進化しています。
AI-OCR
AI-OCRとは、AI技術を活用して手書き文字や複雑なレイアウトの文書を高精度に読み取り、デジタルデータ化する技術です。従来のOCRでは認識が難しかった文字も高確率で判別できるため、企業のペーパーレス化やデータ入力業務の効率化に広く活用されています。
プーリング処理
プーリング処理とは、畳み込みニューラルネットワークにおいて特徴マップの解像度を縮小し、計算量を削減するとともに位置のわずかな変化に対する頑健性を高めるための重要な操作です。情報の重要な特徴を保持しつつデータを圧縮します。
RoIPooling
RoIPoolingは、畳み込みニューラルネットワークにおいて異なるサイズの画像領域から固定サイズの特長量を抽出する手法です。物体検出の分野で広く活用されています。
RGB-D画像
RGB-D画像とは、通常のカラー画像（RGB）に、各画素の奥行き（Depth）の情報を加えた画像データのことです。物体の3次元的な形状やカメラからの距離を同時に記録できるため、自動運転やロボットの環境認識、3Dスキャンなどのコンピュータビジョン分野で広く活用されています。
ランドマーク
ランドマークとは、コンピュータビジョンや画像認識において、画像内の特徴的な基準点（目印）を指す技術用語です。顔認識における目や口の端、あるいは骨格検出における関節の位置などの座標情報として定義されます。物体の形状や姿勢、表情を正確に捉えるために、ディープラーニングなどの機械学習モデルを通じて自動的に検出されます。
深度マップ
深度マップとは、画像内の各画素からカメラまでの距離（奥行き情報）を数値化し、2次元画像として表現したデータです。コンピュータビジョンにおいて、2D画像から立体的な3次元空間を理解するための重要な役割を果たします。自動運転の障害物検知、スマホカメラの背景ぼかし、ARでの物体配置などに幅広く応用されており、AIによる深度推定技術の発展でさらに精度が向上しています。