ImageNet
ImageNetは、深層学習の画像認識精度を競う世界的なコンペティションの舞台となった、大規模な画像データセットです。コンピュータビジョンの発展において歴史的な転換点をつくり、AIの画像認識能力を飛躍的に向上させる基礎となりました。
画像認識のAI用語一覧（3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3ページ目です。
自律飛行
自律飛行とは、無人航空機が人間の遠隔操作を介さずに、AIやセンサーを用いて自ら周囲の状況を判断し、目的地まで飛行する技術です。ドローンなどのモビリティに搭載され、物流やインフラ点検、災害調査などの分野で実用化が進んでいます。
ResNet
ResNetは、ディープラーニングにおいてネットワーク層を深くした際に生じる学習停滞を解決するために開発された畳み込みニューラルネットワークのアーキテクチャです。スキップ接続を導入することで、何百層もの深層学習を安定して行えるようにしました。
コンピュータービジョン
コンピュータービジョンは、コンピューターに人間の「目」のような視覚と理解力を持たせる人工知能（AI）技術です。ディープラーニングの進化により、画像や動画から対象物を高精度に認識できるようになり、自動運転や医療画像診断、顔認証など幅広い分野で活用されています。画像処理と異なり、視覚情報の意味を解釈する点が特徴です。
奥行き推定
奥行き推定とは、2次元の画像や映像から各被写体までの距離や立体構造をAIやアルゴリズムを用いて計算・推定する技術です。単一の画像から距離を予測する単眼奥行き推定や、複数のカメラ画像を用いるステレオ視などがあり、自動運転、AR、ロボティクスなどの多様な分野で不可欠な技術として注目されています。
2D畳み込みニューラルネットワーク
2D畳み込みニューラルネットワークは、画像の認識や処理に特化した深層学習のモデルです。縦と横の2次元の広がりを持つデータから局所的な特徴を効率的に抽出し、画像分類や物体検出などのタスクで高い精度を発揮します。
ICR
ICR（インテリジェント文字認識）とは、AIや機械学習を用いて手書き文字や崩れた文字を高度に識別する技術です。従来のOCRが対応困難だった個人ごとの筆跡の揺らぎや、前後の文脈を考慮したテキスト変換を可能にします。AI技術の進歩により認識精度が飛躍的に向上しており、手書きの申請書や帳票をデジタル化する業務効率化の核として注目されています。
拡張現実
拡張現実（AR）は、現実世界の情報にデジタルデータを重ね合わせて表示する技術です。スマートフォンのカメラや専用グラスを介して、現実の風景に3Dモデルや文字情報をリアルタイムで融合させ、人間の知覚を拡張します。
3Dコンピュータビジョン
3Dコンピュータビジョンとは、2次元の画像や映像から、対象物や周囲の空間の3次元情報（奥行き、形状、位置関係など）をデジタル的に復元・解析する技術です。自動運転における自己位置推定や、AR/VRでの空間認識、産業用ロボットのピッキングなど、現実世界の立体的な把握が必要なさまざまな最先端分野で基盤技術として活用されています。
IDスウィッチ
IDスウィッチとは、動画内の物体追跡において、同一の人物や物体に割り当てられた固有の識別子（ID）が、オクルージョンや類似する被写体の交差によって誤って入れ替わってしまう現象のことです。
Faster R-CNN
Faster R-CNNは、ディープラーニングを用いた高精度な物体検出アルゴリズムです。従来のモデルのボトルネックだった領域候補の抽出をネットワーク内部で行うことで、精度を維持しながら大幅な処理の高速化を実現しました。
Mask R-CNN
Mask R-CNNは、Faster R-CNNを拡張し、物体検出と同時にピクセル単位のセグメンテーション（インスタンスセグメンテーション）を行うディープラーニングモデルです。画像内の個々のオブジェクトを正確な形状で切り分けることが可能です。
3次元復元
3次元復元（3D Reconstruction）とは、2次元の画像や映像データから対象物や空間の立体的な3次元形状構造を再構築するコンピュータビジョン技術です。複数の視点から撮影された写真や深さセンサーの情報を解析し、形状や質感、奥行きを再現します。自動運転やVR、文化財のデジタル保存など多岐にわたる分野で活用されています。
カメラ姿勢
カメラ姿勢とは、3次元空間内におけるカメラの位置（並進）と向き（回転）を表すパラメータのことです。画像がどのような視点から撮影されたかを特定するための重要な概念であり、3次元復元、3Dオブジェクト検出、SLAM、AR（拡張現実）などのコンピュータビジョン技術において不可欠な役割を担っています。
IDスイッチ
IDスイッチ（ID Switch）とは、AIによるマルチオブジェクトトラッキング（複数物体追跡）において、追跡している対象の識別番号（ID）が、交差や遮蔽などの原因により別の対象のIDと入れ替わってしまうエラー現象のことです。自動運転や防犯カメラの解析において、追跡の正確性を測る重要な評価指標の一つとなっています。
画像診断支援AI
画像診断支援AIとは、X線やMRIなどの医療画像を機械学習技術を用いて解析し、医師の病変発見や診断をサポートするシステムの総称です。見落とし防止や診断の効率化が期待されていますが、最終的な診断は医師が行う補助的な位置づけとなっています。
画像診断
画像診断におけるAIの活用は、X線やMRIなどの医療画像をディープラーニング技術を用いて解析し、医師の病変発見や診断を支援する仕組みです。読影時間の短縮や見落としの軽減が期待される一方で、誤認識のリスクや法的責任の所在など課題も残されています。
DenseNet
DenseNetは、畳み込みニューラルネットワークにおいてすべての層の間を直接結合することで、情報の伝達効率を高め、勾配消失問題を軽減する画像認識モデルです。パラメータ数を抑えつつ高い精度を発揮する特徴があります。
顔認識AI
顔認識AIとは、人間の顔画像から特徴を分析し、個人を特定・照合するコンピュータビジョン技術です。ディープラーニングの発展により、スマートフォンのロック解除や空港の生体認証など幅広い分野で高精度な本人確認が実用化されています。一方で、プライバシーの保護や人種・性別による認識精度の偏りといった課題への対策も求められています。
ワンショット学習
ワンショット学習とは、AIモデルが1枚（またはごく少数）の訓練データだけを用いて、新しいカテゴリの対象を正しく識別できるようになる機械学習の手法です。大量のデータ収集が難しい状況での活用が期待されています。
2Dコンピュータビジョン
2Dコンピュータビジョンとは、二次元のデジタル画像や動画を対象に、画像認識、物体検出、領域分割などの解析を行う技術分野です。カメラから得られた平面情報を処理し、パターン認識や機械学習を用いて対象物の識別や位置特定を実現します。自動運転、検品システム、医療画像診断など幅広い分野で基盤技術として活用されています。
顔認識技術
顔認識技術とは、カメラ等で撮影された画像や動画から人間の顔を検出し、その特徴を分析して個人を特定または識別するコンピュータビジョン技術です。スマートフォンなどのデバイスロック解除からセキュリティ管理まで幅広く活用されています。
Vision Transformer
Vision Transformerは自然言語処理で主流のTransformer構造を画像認識に応用したディープラーニングモデルです。従来のCNNに依存せず、画像全体をパッチに分割して大域的な関係性を学習することで高い性能を発揮します。
AI画像診断
AI画像診断とは、CTやMRIなどの医療画像からディープラーニングを用いて病変の疑いを検出し、医師の診断を支援する技術です。膨大な学習データを解析することで微細な異常の発見や見落とし防止に貢献します。確定診断は医師が行う前提であり、読影作業の効率化と精度向上を目的とした医療支援システムとして普及が進んでいます。