物体検知モデルを実用向けに速度チューニングする

ARISE analyticsの秋元です。 画像処理システムの開発では様々な画像処理技術をシステムに組み込んでいきますが、システムの要件に応じて適切なモデルや実行方法を選択する必要があります。今回は画像処理技術の一つである物体検知のモデルを実用向けに速度チューニングするという例を通して、画像処理システム開発の裏側の努力をご紹介します。 物体検知とは 物体検知とは画像の中から「犬」や「自転車」といった特定のオブジェクトを検出する技術です。例えば、下図は有名な物体検知モデルであるYoloの物体検知結果の例です[1]。物体検知モデルは画像を入力としてBounding Boxという物体を囲む矩形とそれに対応するクラスラベルを出力します。物体検知は画像処理技術の中では基本的なタスクの一つで、物体追跡や姿勢検知など様々な応用タスクの土台となる技術です。 （出典：https://pjreddie.com