コンピュータビジョン

コンピュータビジョンって何？

人間は目と脳で世界を見て、一瞬で「これは猫だ」とわかります。コンピュータビジョン（CV）が目指すのは、機械にも同じことをさせること。画像や動画から物体を認識し、場面を理解し、動きを追い、いま何が起きているかを把握します。

どう動くのか

画像は数字の集まり
機械にとって写真は、赤・緑・青の値を持つ画素（ピクセル）の集まりにすぎません。CVの仕事は、その数字から「猫」「車」「顔」を読み取ることです。
特徴から意味へ
昔は人が特徴を設計していましたが、今は畳み込みニューラルネットワーク（CNN）が自動で学びます。層を重ねるごとに、輪郭や模様から目や耳へ、そして最後に「猫」という概念を組み立てます。

すでに使われている場面

自動運転
カメラが車線、歩行者、車、標識をリアルタイムで捉え、クルマに「道を見せる」。
防犯・監視
大量の映像から異常を見つけ、顔やナンバープレートを認識します。
医療画像
CTやX線から病変を見つけ、早期発見を助けます。
スマホのカメラ
ポートレート、夜景合成、QR読み取りもCVの技術です。

なぜ難しいのか

人間には「見ればわかる」ことが、機械にはとても難しい。隠れていたり、明るさや角度が変わったりするだけで、見間違えます。だからCVには大量のラベル付きデータが必要なのです。

まとめ：コンピュータビジョンは、機械に世界を「見てわかる」目を与える技術です。