マシンビジョンにおけるリコールの初心者向けガイド

マシンビジョンシステムを使用する場合、再現率は、システムが重要な物体や欠陥をどれだけ正確に検出しているかを確認するのに役立ちます。コンピュータービジョンでは、再現率はシステムが実際に検出したものの割合を示します。例えば、再現率の高いマシンビジョンシステムが43個の真陽性を検出し、7個を見逃した場合、再現率は0.86になります。これは、重要なものの86%を検出していることを意味します。

高い再現率は、マシンビジョンシステムの信頼性を高めます。実際のコンピュータービジョンタスクにおいて、物体のサイズや照明によって再現率がどのように変化するかを確認できます。下のグラフは、再現率が高いほど、特に大きな物体の場合、検出精度が向上することを示しています。

主要なポイント（要点）

• 想起は、 マシンビジョンシステム 検出すべきすべての実際のオブジェクトまたは欠陥を検出します。
• 再現率が高いということは、システムが見逃す重要な項目が少なくなり、信頼性と安全性が高まることを意味します。
• 我が国 リコールを計算する 真陽性を真陽性と偽陰性の合計で割ることによります。
• リコールを向上させると、より多くの欠陥を検出し、検査を高速化し、実際のタスクのコストを削減できます。
• 再現性と精度のバランスをとることが、誤報をあまり多く発生させずに見逃しを減らす鍵となります。

マシンビジョンシステムを思い出す

リコールとは何ですか?

再現率は、マシンビジョンシステムが検出すべき重要なものをどれだけ正確に検出できるかを測定する方法と考えることができます。マシンビジョンでは、再現率は感度または真陽性率とも呼ばれます。これは、システムが実際に存在するすべての物体または欠陥のうち、どれだけ多くの実際の物体または欠陥を検出できるかを確認することを意味します。システムがいくつかを見逃した場合、再現率は低下します。ほぼすべてを検出した場合、再現率は上昇します。

例えば、物体検出において、再現率はシステムが画像内で実際に検出した物体の数を示します。画像にリンゴが80個あり、システムがXNUMX個検出した場合、再現率はXNUMX%です。これは、マシンビジョンシステムが重要な物体を見逃していないかどうかを確認するのに役立ちます。

欠陥や物体の見逃しが問題を引き起こす可能性があるコンピュータービジョンのタスクでは、再現率が非常に重要です。品質管理では、すべての不良品を検出する必要があります。火災検知では、あらゆる火災の兆候を見つける必要があります。再現率は、こうした能力を測定するのに役立ちます。

ヒント： 再現率は計算される を次のように定義しています：

Recall = True Positives / (True Positives + False Negatives)

真陽性とは、システムが正しく検出したもの、偽陰性とは、システムが検出しなかったものを指します。

リコールが重要な理由

重要な欠陥や物体を見逃さないためには、リコールマシンビジョンシステムの高い再現率が必要です。欠陥を見逃すと、不良品が顧客に届く可能性があります。また、火災を見逃すと危険を招く可能性があります。高い再現率とは、システムがほぼすべてのものを捉えることを意味します。

実際のマシンビジョンシステムアプリケーションでは、再現率はシステムの信頼性において重要な役割を果たします。例えば、品質管理において、再現率の高いマシンビジョンシステムは1,000個の製品を検査し、986個の不良品を正しく検出できます。これは99.4%の再現率に相当します。高い再現率は、欠陥の見逃しを減らし、製品品質の向上に役立ちます。

多くの業界では、システムの性能を確認するためにリコールが活用されています。製造業では、リコールによって不良部品を工場出荷前に発見することができます。自動車業界では、リコール用マシンビジョンシステムがバンパービームの穴など、自動車部品の欠陥を検出します。これにより、問題を早期に解決し、コストのかかるミスを回避することができます。

マシン ビジョンにおける高再現率の威力を示す実際の結果をいくつか示します。

• MobileNetを搭載したYOLO-v3と呼ばれるディープラーニングモデルは、電子部品の欠陥を迅速かつ正確に検出しました。ぼかしや明るさの変化といったデータトリックにより、少ない学習データでも高い再現率を達成しました。
• 一部のシステムでは、リコール率が最大100%に達し、あらゆる欠陥を検出します。これにより、工場のダウンタイムと廃棄物が削減されます。
• 軽量モデルではリアルタイム検査が可能になり、これは動きの速い生産ラインにとって重要です。
• ベアリング障害検出では、より多くのトレーニング データとスマート モデルを使用することで、データセットが小さい場合でも再現率と精度が向上しました。

注意： 高い再現率は、単に欠陥をより多く発見できるというだけではありません。システムが高速かつ様々な種類の欠陥に対しても適切に機能することを意味します。これにより、生産ラインの円滑な稼働が維持されます。

リコールマシンビジョンシステムの高い再現率は、精度の向上、検査の迅速化、コスト削減につながることがわかります。これらの改善により、企業はより安全で高品質な製品を提供できるようになります。

リコール計算

混乱マトリックス

あなたが使用することができます 混同行列 マシンビジョンシステムの性能を確認するには、この表をご覧ください。この表は、モデルがどのように予測を行っているかを示しています。結果を4つのグループに分類しています。

混同行列は、システムの長所と短所を理解するのに役立ちます。モデルが実際に検出したオブジェクトの数と、検出しなかったオブジェクトの数を確認できます。この内訳は、再現率を測定する上で重要であり、特に障害検出や医療診断などのタスクでモデルのパフォーマンスを向上させたい場合に重要です。コンピュータービジョンの分野では、多くのチームが混同行列を使用して、モデルが重要なケースを見逃していないか、またはミスが多すぎないかを確認しています。

注意： 混同行列は、研究と産業界の両方で信頼されているツールです。システムを調整することで、コストのかかるエラーを削減し、信頼性を向上させるのに役立ちます。

計算式と例

次の簡単な式を使用して再現率を計算できます。

Recall = True Positives / (True Positives + False Negatives)

この式は、モデルが検出する実際のオブジェクトの割合を示します。モデルが実際のオブジェクトのほとんどを検出した場合、再現率は高くなります。これは、特に欠陥やオブジェクトの検出がリスクを伴う場合、モデルのパフォーマンスにとって重要な要素となります。

ステップごとの例を見てみましょう。

1. データセットに実際の欠陥が 100 個あると想像してください。
2. モデルはそのうち 90 個を正しく検出します (真陽性)。
3. 10 個の欠陥を見逃します (False Negatives)。
4. 次の数値を式に代入します。

Recall = 90 / (90 + 10) = 90 / 100 = 0.9

つまり、再現率は0.9、つまり90%です。これは、モデルが実際の欠陥の90%を検出していることを意味します。コンピュータービジョンにおいて、この高い再現率は、システムが重要なケースを多く見逃していないことを示しています。この手法は、単純なデータセットにも複雑なデータセットにも使用できます。多くの専門家も使用しています。 他の指標とともに再現率精度や F1 スコアなどの指標を使用して、モデルのパフォーマンスの全体像を把握します。

オブジェクトの分類

リコールの影響

この方法でエスプレッソの抽出を計量する場合、エスプレッソがスパウトから落ちるタイミングとスケールが反応するタイミングに時間差が生じます。エスプレッソがスパウトからエスプレッソカップに落ち、スケールが計量するまで若干の時間差が生じるため、抽出ボタンを止めた後、液量が約２～４g増加することを念頭に置いて抽出を止めてください。 オブジェクトの分類 コンピュータービジョンにおいて、再現率はシステムが適切なオブジェクトをどれだけ正確に見つけられるかに大きな役割を果たします。高い再現率は、モデルが重要なオブジェクトのほとんど、あるいはすべてを検出することを意味します。例えば、赤いボールをグループからすべて見つけるといった具合です。これは、工場など、危険な物体を1つでも見逃してしまうような場所では重要です。

• リコールは、実際に存在するオブジェクトの数と比較して、モデルが検出する実際のオブジェクトの数を測定します。
• 再現率を高くすると、偽陰性と呼ばれる重要なオブジェクトの見逃しを回避するのに役立ちます。
• 産業用マシンビジョンでは、オブジェクトの見逃しが重大な問題となる可能性があるため、モデルの再現率を高くする必要があります。
• 再現率と精度の間にはトレードオフがあります。再現率だけに焦点を当てると、誤報が増える可能性がありますが、実際の物体を見逃す可能性は低くなります。
• F1 スコアは、再現率と精度のバランスをとるのに役立ち、全体的なモデルのパフォーマンスを確認するための単一の数値を提供します。

多クラス分類器を使用する場合、再現率はモデルが各種類のオブジェクトをどれだけ正確に検出したかを示します。例えば、モデルが90個のリンゴのうち100個を検出し、10個を見逃した場合、リンゴの再現率は90%です。再現率が高いほど、多くの真のオブジェクトを見逃さず、オブジェクト分類の精度が向上します。

覚えておいてください: 再現率が高いということは、真陽性の範囲が広くなることを意味します。これにより、モデルの精度と信頼性が向上します。

偽陰性の削減

実在する物体を見逃すとミスにつながる可能性があるため、偽陰性を減らすことが重要です。再現率は、モデルがこれらの見逃しをどれだけ回避しているかを示します。例えば、0.6個の陽性サンプルに対するモデルの再現率が10の場合、6個を検出し、4個を見逃しています。再現率を1.0に改善すると、モデルは10個すべてを検出し、見逃しはゼロになります。

偽陰性を減らし、再現率を高めるために、いくつかの戦略を使用できます。

• モデルの判定閾値を調整してください。閾値を下げると、モデルがより多くの実在物体を検出できるようになりますが、誤検知も増加する可能性があります。
• 重要なクラスやまれなクラスに重点を置く、コスト重視の学習を試してください。
• オーバーサンプリングやアンダーサンプリングなどのデータ手法を使用して、データセットのバランスをとります。
• モデルのパラメータを調整し、適切な機能を選択して、モデルの学習効率を高めます。

これらの手順により、高い再現率を実現できます。つまり、オブジェクト分類システムが実際のオブジェクトを見逃す可能性が低くなります。医療検査や安全確認など、多くの現実世界のタスクでは、誤検知を避けるよりも、誤検知を減らすことが重要です。

ヒント: モデルが重要なことを見逃していないことを確認したい場合は、必ずリコール スコアを確認してください。

精度と再現率

精度の説明

マシンビジョンシステムの性能を測定する際に、適合率と再現率についてよく耳にするでしょう。適合率は、システムが陽性と判定した項目のうち、実際に正しいものがいくつあるかを示します。言い換えれば、適合率は、システムが重要な点を判定する際に、誤りが少ないかどうかを示すものです。誤検知率を低く抑えたい場合は、高い適合率が必要です。例えば、システムが100個のオブジェクトを検出し、そのうち95個が正しい場合、適合率は95%です。

Precision では次の式を使用します。

Precision = True Positives / (True Positives + False Positives)

この式は、適合率が肯定的な予測の正確さに重点を置いていることを示しています。車両データセットを用いた研究では、特にシステムをより慎重に調整した場合、適合率が再現率よりも高い値に達する可能性があることが示されています。適合率は、モデルのしきい値の設定方法によって大きく変化する可能性があります。適合率-再現率曲線は、これら2つの指標がどのように一緒に変化するかを確認するのに役立ちます。場合によっては、適合率は再現率よりも広い範囲に及びますが、通常は再現率はより安定しています。

それぞれの優先順位を決めるタイミング

プロジェクトで最も重要な点に基づいて、適合率と再現率のどちらかを選択する必要があります。誤検知を避けたい場合は、適合率を重視してください。例えば、不正検知では、実際の取引を不正と判定しないようにする必要があります。適合率が高いほど、顧客がミスにイライラするリスクが減ります。商品のレコメンデーションでは、適合率が高いほど、関連性の高い商品のみを表示することでユーザーの満足度を高めることができます。

場合によっては、再現率の方が重要になります。医療検査では、病気を見逃すことは危険です。誤報が増えたとしても、システムはあらゆる可能性のあるケースを検知する必要があります。サイバーセキュリティでは、高い再現率は、たとえ現実のものではないものも含め、あらゆる脅威を検知するのに役立ちます。

決定するのに役立つ表を以下に示します。

F1スコアは、適合率と再現率のバランスをとるのに役立ちます。F1スコアは両方の指標をXNUMXつの数値にまとめたものです。これにより、モデルを比較し、ニーズに最適なものを選択するのに役立ちます。多くのマシンビジョンプロジェクトでは、 平均精度（mAP） 異なるクラスおよびしきい値にわたってモデルを比較します。

再現率がマシンビジョンシステムでほぼすべての欠陥や物体を検出するのにどのように役立つかをご覧いただきました。再現率が高いほど、問題を見逃す可能性が低くなり、結果の信頼性が高まります。以下の表を見ると、完璧な再現率が現実世界のタスクにおいてどのように高い精度につながるかがわかります。

ゴミの分別や製品のチェックといった実際のプロジェクトでは、再現率と適合率の両方が求められます。これらの指標は、あらゆる問題を特定し、ミスを最小限に抑えるのに役立ちます。より優れた安全なマシンビジョンシステムを構築するために、再現率と適合率について学び続けましょう！🚀

よくあるご質問

再現率と精度の違いは何ですか?

リコールは、 実物 システムが検出したオブジェクトです。精度は、予測が合計でどれだけ正しかったかを示します。システムが多くの実在するオブジェクトを見逃した場合、精度は高くても再現率は低くなる可能性があります。

マシンビジョンシステムのリコールを向上させるにはどうすればよいでしょうか?

より多くのトレーニングデータを使用する、モデルのしきい値を調整する、またはより適切な特徴を選択することで、再現率を向上させることができます。画像を反転または回転させるなどのデータ拡張を試して、モデルがより多くのパターンを学習できるようにしましょう。

なぜ再現率が高いと誤検知が多くなることがあるのでしょうか?

あらゆる実在する物体を見つけることに集中すると、システムは実在しないものも拾ってしまう可能性があります。これにより、 偽陽性最良の結果を得るには、再現率と精度のバランスをとる必要があります。

リコールは常に最も重要な指標ですか?

いいえ、再現率は必ずしも最重要ではありません。場合によっては、高い精度が求められることもあります。例えば、スパム検出では、実際のメールをスパムとしてマークしたくないでしょう。目的に合った指標を選択してください。

も参照してください

高度なビジョンシステムに不可欠なフレームキャプチャデバイス

コンピューターとマシンビジョン技術に関する重要な洞察

ビジョンシステムにおけるエッジ検出の基本原理

マシンビジョンを使用した産業オートメーションの完全な概要

ビジョンテクノロジーを用いた選別の中核要素の理解