バウンディングボックスとは、画像や動画内で特定の物体がどこにあるかを示す長方形の領域です。物体検出をはじめとするコンピュータビジョンの領域で広く活用され、AIに物体の位置と種類を学習させるアノテーションや、検出結果の可視化に不可欠な基礎技術です。
バウンディングボックスとは
バウンディングボックスとは、画像や動画の中で特定の対象物を囲む長方形の枠のことです。物体検出をはじめとするコンピュータビジョンの分野において、目的の物体が画面上のどこに位置しているかを指定・表示するために使用されます。
詳しく解説
機械学習における物体検出タスクでは、AIは画像内の対象物を特定するだけでなく、その位置をバウンディングボックスの座標値（基準点の位置、幅、高さなど）として出力します。AIモデルの開発工程であるアノテーションにおいては、正解データとして画像内の物体を長方形で囲む作業が行われます。これは教師あり学習で物体検出モデルを学習させるための標準的な方法であり、ピクセル単位の複雑な輪郭抽出に比べて処理やデータ作成の計算コストを大幅に削減できる利点があります。
具体例・使われ方
自動運転システムにおいて歩行者や標識、周辺車両を認識して赤や青の枠で囲む画面表示が代表的です。そのほか、防犯カメラ映像における不審物の検知、製造ラインでの製品の傷や異物検出、ECサイトにおける商品画像内のアイテム自動抽出などに利用されています。画像認識技術と組み合わせて対象物の分類結果とセットで提示されます。
似た用語との違い
画像全体に何が写っているかだけを判定する画像認識（画像分類）とは異なり、バウンディングボックスは物体が存在する領域の位置情報まで保持します。また、物体の正確な輪郭をピクセルレベルで抽出するセマンティックセグメンテーションと比較すると、バウンディングボックスは単純な長方形で領域を囲むため、データ作成の難易度が低く処理速度も高速です。
注意点
対象物が不規則な形状をしていたり斜めに傾いていたりする場合、長方形の枠内に背景や別の物体が余分に含まれてしまうという限界があります。また、手前と奥で物体同士が大きく重なり合っている場合、正確なアノテーションが難しくなり、検出精度に悪影響を及ぼすことがあります。