ある物流会社が、配送センターのカメラ映像からフォークリフトと人が同じエリアにいる危険な状況を検知したい。1フレームの画像に複数のオブジェクトが混在し、それぞれの位置を把握することが安全管理上必須である。このユースケースに最も適したコンピュータ ビジョン タスクはどれか。
- A. OCR：画像内の文字を読み取る
- B. 画像分類（Image Classification）：画像全体に1つのラベルを付与する
- C. 顔検出（Face Detection）：人の顔の位置を特定する
- D. 物体検出（Object Detection）：画像内の複数オブジェクトの種類と位置を特定する
解答と解説を見る
正解: D
物体検出は1枚の画像から複数のオブジェクトを検出し、各オブジェクトの種類（クラス）とバウンディングボックス（位置・範囲）を同時に出力するタスクである。フォークリフトと人の双方の位置を把握して危険判定する本シナリオには物体検出が必須である。画像分類は「画像全体が何か」を1ラベルで分類するだけで位置情報を出力しないため、複数オブジェクトの共存検知には不適切。顔検出は人の顔に特化しており、フォークリフトなどの機器は検出できない。OCRは文字認識専用であり、オブジェクト検出には使えない。