メインコンテンツへスキップ
見出し画像

スマホの顔認証はどうやってる?「画像認識」の基本

    第1回(通算第21回)(学ぶキーワード:コンピュータビジョン)

    スマホの顔認証で一瞬でロックが解除されるとき📱⚡

    「どうしてAIは自分の顔が分かるの?」と思ったことはありませんか?

    その答えが、今回学ぶ コンピュータビジョン(画像認識) です👁️✨

    AIに「目」を与える基本技術を、G検定に出る重要ポイントに絞って学んでいきましょう!


    1. 読み方・英語表現 📖

    • コンピュータビジョン(Computer Vision / 略称:CV)

    • 画像認識(Image Recognition)

    💡 G検定ワンポイント

    試験では「コンピュータビジョン」と「画像認識」がほぼ同じ意味として出題されます。略称の CV も覚えておきましょう!


    2. 意味(定義)

    そもそもコンピュータビジョンとは?

    みなさん、犬と猫の写真を見せられたら一瞬で区別できますよね? 🐶🐱
    人間は無意識に「耳の立ち方」や「ヒゲ」「鼻の形」を捉えて判断しています。

    では、AIはどうでしょうか? 💭

    実は、AIにとって画像は「美しい写真」ではなく、ただの「ピクセルの数字の並び(行列)」でしかありません 📊
    例えば、赤・緑・青(RGB)の明るさを「0〜255」の数値で表したデータのかたまりです。

    定義と本質

    コンピュータビジョンとは、

    「コンピュータが画像や映像(数値データ)を解析し、そこに写っている物体・特徴・状況を理解・判定する技術」

    のことです 🎯

    一言で表すなら、まさに「AIの目 👁️」!

    AIの認識ステップ

    例えば、AIが猫を認識するときはこんなステップを踏んでいます 🐾

    1. 画像を数値データ(RGB値)として読み込む

    2. エッジ(輪郭)や明暗差などの特徴量を抽出する

    3. 過去に学習したパターンと照合する

    4. 「猫である確率:98%」と確率的に判断する

    「人間と同じように写真を見て感動している 🥺」わけではなく、「大量の数値からパターンを計算している 🔢」 というのがG検定でも頻出の重要ポイントです!


    3. 歴史・背景

    昔のコンピュータは「何も見えなかった」? 😭

    「昔からカメラはあったんだから、画像認識も簡単だったのでは?」と思いませんか?

    実は、従来のプログラミングでは大苦戦でした 💦
    「耳が尖っていて、ヒゲが6本あって…」と人間が手作業でルールをコード化(特徴量の設計)して記述していたため、少し角度や明るさが変わるだけでAIは途端にお手上げになっていたのです 🙇‍♂️

    伝統的手法からディープラーニング革命へ 🚀

    この歴史の流れは試験によく出ます!

    1. 伝統的画像処理の時代(〜2010年代前半)

    人間が「こういう特徴を見分けろ」と指示を決める時代。

    • Haar-like特徴量:明暗差を利用した顔検出(初期のデジカメなどに利用)

    • SIFT / HOG:画像の回転や拡大縮小に強い特徴抽出手法

    2. ディープラーニング革命(2012年〜)

    2012年の画像認識コンペ(ILSVRC)で、AlexNet というモデルが圧倒的な精度で優勝! 🏆 「特徴量そのものをAI自身が自動で獲得する」という歴史的転換が起きました。ここから現在の第3次AIブームが本格化します 🔥


    4. 比較・対比(似た用語との違い)

    試験で最も狙われるのが、「コンピュータビジョン(理解)」 と 「画像生成AI(生成)」 の対比です ⚖️

    • コンピュータビジョン(CV)

      • 役割:画像を見る・解析する・判定する

      • 入力:画像 ➡️ 出力:ラベル・テキスト(例:「猫」「赤信号」)

      • 例え:写真鑑定士 🕵️‍♂️

    • 画像生成AI(Diffusion Modelなど)

      • 役割:新しい画像をゼロから作ること

      • 入力:テキスト ➡️ 出力:画像

      • 例え:イラストレーター 🎨

    「見るAI(CV)」 なのか 「作るAI(生成)」 なのかを整理しておくのが得点アップの近道です! 💯


    5. 実社会での活用シーン 🚗🏥

    • スマホの顔認証(Face IDなど) 📱:顔の立体的な特徴点を検出・照合

    • 自動運転技術 🚗:歩行者・車両・標識・白線をリアルタイムで物体検出

    • 医療画像診断支援 🏥:X線やCT・MRI画像から病変部をセグメンテーション(領域分割)

    • 外観検査(工場) 🏭:製品の傷や異物混入を自動で検知


    6. G検定での出題傾向&ひっかけ対策 📝

    💡 絶対に押さえる頻出ポイント

    1. CVの本質は「画像のピクセル値(数値データ)の解析」である

    2. ディープラーニングの導入(2012年 ILSVRC)によって飛躍的に精度向上した

    3. タスクの違い(画像分類・物体検出・セグメンテーション)の定義を区別できる

    ⚠️ よく出るひっかけ選択肢

    • ひっかけ①:「CVは画像を生成・加工するための技術である」

      1. 👉 間違い! 画像を「理解・認識」する技術です(生成は画像生成AI)。

    • ひっかけ②:「AIは人間と同じように意味や感情を持って視覚情報を捉えている」

      1. 👉 間違い! 輝度や色の数値行列から特徴量を計算処理しています。

    • ひっかけ③:「物体検出は画像全体に何が写っているか1つのラベルを割り当てる技術である」

      1. 👉 間違い! それは「画像分類」です。物体検出は「位置(座標)」も特定します。


    7. G検定 練習問題 ✍️

    問題1(基礎)

    コンピュータビジョン(画像認識)に関する記述として、最も適切なものはどれか。

    ① 画像や映像を解析し、そこに写っている物体や特徴をコンピュータが理解する技術
    ② 人間の視神経と全く同じ構造をコンピュータ内部に物理的に再構築する技術
    ③ テキスト指示文から高精細なイラストや写真を自動生成する専用技術
    ④ 画像ファイルの容量を無劣化で圧縮するための通信規格

    問題2(応用)

    画像認識のタスクにおいて、画像内に存在する複数の物体の「位置(領域)」と「種類(クラス)」を同時に特定する手法として最も適切なものはどれか。

    ① 画像分類(Image Classification)
    ② 物体検出(Object Detection)
    ③ ノイズ除去(Denoising)
    ④ 超解像(Super Resolution)

    問題3(ひっかけ対策)

    AIによる画像処理の説明として不適切なものはどれか。

    ① コンピュータにとって画像は、赤・緑・青などの輝度値を並べた数値を意味する
    ② ディープラーニング登場以前は、人間が手動で特徴量を設計する必要があった
    ③ セグメンテーションとは、画像全体の印象を言語化して要約する技術である
    ④ 2012年のILSVRCを契機に、ディープラーニングを用いた画像認識が急速に普及した

    8. 解答と解説 💡

    【問題1】解答:①

    • 解説:コンピュータビジョンは画像・映像の「解析・理解」を担う技術です。③は画像生成AIの説明、④は画像圧縮技術の説明です。

    【問題2】解答:②

    • 解説:位置(バウンディングボックス)と種類を同時に特定するのは物体検出です。画像分類(①)は「画像全体に何が写っているか」のみを判定します。

    【問題3】解答:③(※不適切なものを選択)

    • 解説:セグメンテーションは「ピクセル単位で画像の領域を分割・認識する技術」です。画像の意味を言語化して要約する技術ではありません。


    9. Ankiアプリ用(暗記カードCSV) 📇

    コンピュータビジョン(CV)の定義は?,画像や映像を解析して物体や特徴を理解・認識する技術
    AIにおける画像データの正体は?,赤・緑・青などの輝度値を並べた「数値の行列(ピクセル値)」
    「画像分類」と「物体検出」の違いは?,画像分類は全体の種類判定/物体検出は位置(座標)と種類を同時に特定
    「セグメンテーション」とは?,画像内の領域をピクセル単位で分割して認識する技術
    2012年に画像認識精度を飛躍させディープラーニングブームのきっかけとなった大会は?,ILSVRC(AlexNetが優勝)


    まとめ 🌟

    • コンピュータビジョン(CV)= AIの「目」 👁️

    • AIは絵を見ているのではなく 「数値データ(ピクセル値)」を計算 している 🔢

    • G検定では 「画像分類」「物体検出」「セグメンテーション」 のタスクの違いが超頻出! 🎯

    しっかり整理して頭に入れておきましょう!

    次回予告 🐾

    今回は、AIが画像を見る全体像(コンピュータビジョン)を学びました。

    では、AIはどうやって画像の中から「耳の形」や「輪郭」といった特徴を見つけ出しているのでしょうか?

    その主役となるのが、画像認識の絶対王者 CNN(畳み込みニューラルネットワーク) です!

    次回は、画像認識を劇的に進化させた「畳み込み」と「プーリング」の仕組みをわかりやすく紐解いていきます✨

    ➡️【第2回】CNNの基本構造へ進む

    ❤️ この記事が役に立ったら「スキ」で応援してください!
    🔥 あなたの応援が、次の解説を作るエネルギーになります!

     
     
    【G検定合格ロードマップ】 AIを「挫折と突破の物語」で理解し、最短で合格するメソッドを発信。 難しい専門用語を簡単な言葉でストーリー化して解説します。 丸暗記を捨て、効率的に重要キーワードを習得したい方は必見です

    あなたへのおすすめ