# 物体認識 -------------------------------------------------------------------------------- title: "はじめに" description: "Object Recognitionは、画像内の個々のオブジェクトを認識、特定、分類できる、Zia AIを活用した構築済みサービスです。" last_updated: "2026-09-02T11:25:13.020Z" source: "https://docs.catalyst.zoho.com/ja/zia-services/help/object-recognition/introduction/" service: "Zia Services" -------------------------------------------------------------------------------- # Object Recognition ## はじめに Object Recognitionは、画像内のオブジェクトを認識・特定するCatalyst Zia Servicesのコンポーネントです。事前トレーニング済みの3Dモデル、コンポーネント識別、エッジ検出アルゴリズム、その他の技術を使用して特定のエンティティを意味的かつ経験的に認識するコンピュータビジョン分野のAIプログラムです。つまり、AIは画像から木や人などの特定のオブジェクトを検出しラベル付けします。 Object Recognitionは、画像内の80種類の一般的なオブジェクトを識別できます。Ziaは、各識別されたオブジェクトのタイプ、画像内の位置、およびレスポンスでの各認識の精度を示すconfidence scoreに関する情報を提供します。画像分類、オブジェクト検出、またはオブジェクトの位置特定を実行するアプリケーションにZia Object Recognitionを実装できます。 Catalystは、Java、Node.js、Python SDKパッケージでZia Object Recognitionを提供しており、CatalystのWebまたはAndroidアプリケーションに統合できます。Catalystコンソールでは、アプリケーションのコードに実装できるこれらの環境用のコードテンプレートに簡単にアクセスできます。 また、コンソールでテキストを含むサンプル画像や書類をアップロードしてObject Recognitionをテストし、認識されたテキストを取得して、Ziaの精度とレスポンス形式をより深く理解することもできます。 コードサンプルについては、Java SDKドキュメント、Node.js SDKドキュメント、Python SDKドキュメントを参照してください。Object RecognitionのAPIについては、APIドキュメントを参照してください。 Catalyst Zia Servicesのその他のコンポーネントについては、こちらのページをご覧ください。 -------------------------------------------------------------------------------- title: "主要な概念" description: "Object Recognitionは、画像内の個々のオブジェクトを認識、特定、分類できる、Zia AIを活用した構築済みサービスです。" last_updated: "2026-09-02T11:25:13.020Z" source: "https://docs.catalyst.zoho.com/ja/zia-services/help/object-recognition/key-concepts/" service: "Zia Services" -------------------------------------------------------------------------------- # 主要な概念 Object Recognitionのユースケースと実装について学ぶ前に、その基本的な概念を詳しく理解することが重要です。 ### Object Recognitionプロセス Ziaのオブジェクト認識プロセスは、さまざまな段階に分けることができます。 1. オブジェクト検出: オブジェクト検出は、画像内のセマンティックオブジェクトのインスタンスを検出することを含みます。オブジェクトの位置特定とともに、オブジェクト検出は画像内の最も明白なオブジェクトだけでなく、同じ画像内の複数のオブジェクトを検出して位置を特定できます。 2. オブジェクトの位置特定: オブジェクトの位置特定は、オブジェクトが検出された後にバウンディングボックスを描画します。バウンディングボックスは、検出されたオブジェクトを囲む矩形の境界の座標です。これにより、Ziaは画像内のオブジェクトの位置をマッピングできます。 3. 画像分類:<br />画像分類は、機械学習のサブセットであるディープラーニングの一部であり、画像内の検出されたオブジェクトをカテゴリに分類します。Ziaは、動物、日用品、食品、スポーツ用品、車両などのオブジェクトクラスを画像内で識別できます。オブジェクトがその視覚的コンテンツに基づいてクラスに割り当てられると、Ziaはさらにアルゴリズムを実行してオブジェクトを正確に認識し、結果を提供します。 4. オブジェクト認識:<br /> Ziaはオブジェクトクラスをさらに分解して、特定のエンティティのセマンティック認識を実行します。オブジェクト検出、画像の位置特定、画像分類を組み合わせて、特定のオブジェクトが認識され出力に生成されます。Ziaは80種類の特定のオブジェクトタイプを認識でき、その一部には以下が含まれます: person、car、dog、chair、traffic light、knife、umbrella、cellphone、book、cake、baseball bat、laptop、aeroplane、stop\_sign、parking meter。 このプロセス全体は、分割統治、検出されたオブジェクトとAIのメモリに保存された表現の比較、繰り返しの仮説とテストを含みます。オブジェクトはさまざまなポーズ、コンテキスト、任意の位置、方向で表示される可能性があるため、Ziaは正確な結果を生成するために継続的なトレーニングを受けています。 ### 入力形式 Zia Object Recognitionは、画像ファイルを分析して顔検出と属性認識を実行します。Object Recognitionは、以下の入力ファイル形式をサポートしています。 1. _.webp/.jpeg_ 2. _.png_ デバイスのメモリからCatalystアプリケーションに画像ファイルをアップロードするためのスペースをユーザーに提供できます。また、エンドユーザーのデバイスのカメラを使用して写真を撮影し、画像を入力ファイルとして処理するようにCatalystアプリケーションをコーディングすることもできます。 APIのリクエスト形式はAPIドキュメントで確認できます。 より良い結果を得るために、入力を提供する際には以下のガイドラインに従ってください。 * ぼやけた画像や破損した画像の提供は避けてください。 * Object Recognitionは、オブジェクトが明確で見やすく、はっきりしている場合に画像内のオブジェクトをより適切に認識できます。 * ファイルサイズは10 MBを超えてはなりません。 ### レスポンス形式 Zia Object Recognitionは、以下の方法でレスポンスを返します。 * コンソールの場合<br /> コンソールでサンプル画像をアップロードすると、2つのレスポンス形式で結果が返されます。<br /> * ドキュメントレスポンス: テキストレスポンスは、画像内のすべての認識されたオブジェクトのオブジェクトタイプを、各認識のconfidence levelをパーセンテージ値とともに表示します。 * JSON response: JSON responseには、オブジェクトタイプ、画像内のオブジェクトの座標、および画像内で認識された各オブジェクトの0から1の値のconfidence scoreが含まれます。0から1のconfidence scoreは、以下のようにパーセンテージ値に換算できます。 <table class="content-table"> <thead> <tr> <th>パーセンテージでのConfidence Level</th> <th>0から1の値のConfidence Score</th> </tr> </thead> <tbody> <tr> <td>0-9</td> <td>0.0</td> </tr> <tr> <td>3-9</td> <td>0.0</td> </tr> <tr> <td>10-19</td> <td>0.0</td> </tr> <tr> <td>20-29</td> <td>0.0</td> </tr> <tr> <td>30-39</td> <td>0.0</td> </tr> <tr> <td>40-49</td> <td>0.01</td> </tr> <tr> <td>50-59</td> <td>0.12</td> </tr> <tr> <td>60-69</td> <td>0.23</td> </tr> <tr> <td>&gt;70</td> <td>0.63</td> </tr> </tbody> </table> * SDKを使用する場合<br /> APIリクエストを使用して画像ファイルを送信すると、上記で指定された形式の結果を含むJSON responseを受信します。 JSON responseの形式はAPIドキュメントで確認できます。 <br /> -------------------------------------------------------------------------------- title: "メリット" description: "Object Recognitionは、画像内の個々のオブジェクトを認識、特定、分類できる、Zia AIを活用した構築済みサービスです。" last_updated: "2026-09-02T11:25:13.021Z" source: "https://docs.catalyst.zoho.com/ja/zia-services/help/object-recognition/benefits/" service: "Zia Services" -------------------------------------------------------------------------------- # メリット 1. 高精度な結果<br /> Ziaは繰り返しの体系的なトレーニングを通じて、より高い精度と低い誤差範囲で結果を生成します。AIは、複雑な計算と分析を実行するためにさまざまな機械学習アルゴリズムを使用してトレーニングされています。トレーニングモデルは非常に厳密であり、大量のデータを学習・分析するため、生成される結果が正確で信頼性の高いものになります。 2. 各認識オブジェクトのConfidence Score<br /> 各認識オブジェクトに提供されるconfidence scoreは、ユーザーが結果の精度レベルを検証するのに役立ちます。エンドユーザーはconfidence scoreを分析し、十分な情報に基づいた判断を行うことができます。confidence scoreは、より正確な結果を得るためにより良い品質の入力を提供することについての判断にも役立ちます。 3. 高速パフォーマンス<br /> Object Recognitionは、画像がアップロードされるとほぼ瞬時に結果を生成します。Catalystは高いデータ転送スループットと最小限のリクエスト処理レイテンシを保証します。高速な応答時間はアプリケーションのパフォーマンスを向上させ、エンドユーザーに満足のいくエクスペリエンスを提供します。 4. シームレスな統合<br /> 機械学習アルゴリズムの複雑な処理やバックエンドのセットアップを学ぶことなく、アプリケーションにObject Recognitionを簡単に実装できます。Java、Node.js、Pythonプラットフォーム用に提供されている既製のコードテンプレートを、Object Recognitionが必要なCatalystアプリケーションに実装できます。 5. コンソールでのテスト<br /> コンソールのテスト機能により、Object Recognitionの効率を検証できます。サンプル画像をアップロードして結果を表示できます。これにより、アプリケーションに実装した際に生成されるレスポンスの形式と正確性について把握できます。 -------------------------------------------------------------------------------- title: "ユースケース" description: "Object Recognitionは、画像内の個々のオブジェクトを認識、特定、分類できる、Zia AIを活用した構築済みサービスです。" last_updated: "2026-09-02T11:25:13.021Z" source: "https://docs.catalyst.zoho.com/ja/zia-services/help/object-recognition/use-cases/" service: "Zia Services" -------------------------------------------------------------------------------- # ユースケース Object Recognitionは、幅広いアプリケーションでますます使用されています。以下は、Zia Object Recognitionのユースケースの一部です。 * リアルタイムの人物追跡アプリケーションは、Zia Object Recognitionを使用して、監視カメラやドローンカメラで撮影されたライブ画像から群衆をカウントします。カメラはモール、店舗、イベント、フェスティバル内の群衆の画像をキャプチャして生成し、Catalystを使用して処理します。Zia Face Analyticsと組み合わせることで、このアプリケーションは会場内の人々の性別と年齢を検出し、来場者の人口統計、訪問パターンを分析し、イベントの成功を判断します。 * 交通監視アプリケーションは、Zia Object Recognitionを実装して、交通カメラでキャプチャされた画像を分析し、交通規則や駐車規則の違反者、道路事故のインスタンスを特定します。Ziaは一時停止標識、信号機、パーキングメーター、一般的な車両、人物を認識できるため、アプリケーションはこれらのオブジェクトを迅速に特定し、画像内の位置を分析し、特定の違反に対してアラートを発行するようにコーディングされています。 Zia Object Recognitionを実装できるその他の例には、以下が含まれます。 * モーショントラッキングカメラでキャプチャされた画像を処理して、画像内の位置を使用してスポーツボール、スケートボード、フリスビー、サーフボードの動きを判定するアプリケーション。 * 森林道路に設置された監視カメラでキャプチャされた画像を処理し、モーション検出を使用して動物の存在と動きを検出し、画像から個々の種を認識するアプリケーション。 * 犯罪現場でキャプチャされた画像を処理して、その中のオブジェクトを検出・ラベル付けし、法医学分析の自動化と合理化を支援するアプリケーション。 * 小売店舗でキャプチャされた画像を処理して、店舗の特定のセクション内の人数に基づいて、特定の製品の人気と顧客の関心を判定するアプリケーション。 -------------------------------------------------------------------------------- title: "実装" description: "Object Recognitionは、画像内の個々のオブジェクトを認識、特定、分類できる、Zia AIを活用した構築済みサービスです。" last_updated: "2026-09-02T11:25:13.021Z" source: "https://docs.catalyst.zoho.com/ja/zia-services/help/object-recognition/implementation/" service: "Zia Services" -------------------------------------------------------------------------------- # 実装 このセクションでは、CatalystコンソールでのObject Recognitionの操作のみを扱います。アプリケーションのコードでObject Recognitionを実装する方法については、SDKおよびAPIドキュメントのセクションを参照してください。 前述のとおり、コンソールからObject RecognitionをCatalystアプリケーションに統合するためのコードテンプレートにアクセスでき、また画像をアップロードして結果を取得することで機能をテストすることもできます。 ### Object Recognitionへのアクセス CatalystコンソールでObject Recognitionにアクセスするには、以下の手順を実行します。 1. Catalystコンソールの左ペインでZia Servicesに移動し、Object Recognitionをクリックします。<br /> 2. Object Recognitionの機能ページでTry a Demoをクリックします。 ### CatalystコンソールでのObject Recognitionのテスト Catalystのサンプル画像を選択するか、独自の画像をアップロードすることで、Object Recognitionをテストできます。 サンプル画像をスキャンしてオブジェクトを認識するには、以下の手順を実行します。 1. ボックス内のSelect a Sample Imageをクリックします。<br /> 2. 提供されているサンプルから画像を選択します。<br /> <br /> Object Recognitionが画像をスキャンし、_Result_セクションの下に、各オブジェクトのconfidence levelをパーセンテージ値とともに、画像内で認識されたオブジェクトを一覧表示します。 <br /> <br /> レスポンスバーの色は、認識のconfidenceパーセンテージの範囲を示します。赤: 0-30%、オレンジ: 30-80%、緑: 80-100%です。<br /><br /> 矢印を使用して、認識されたすべてのオブジェクトを表示できます。<br /> <br /> View ResponseをクリックしてJSON responseを表示します。JSON responseは、認識された各オブジェクトの座標、タイプ、および0から1の値での認識のconfidence scoreを提供します。<br /> <br /> 完全なサンプルJSON responseの構造を表示するには、APIドキュメントを参照してください。<br /> 独自の画像をアップロードしてObject Recognitionをテストするには、以下の手順を実行します。 1. _Result_セクションの下にあるUploadをクリックします。<br /> <br /> 閉じた後にObject Recognitionを再度開く場合は、このボックスのBrowse Filesをクリックします。<br /> 2. ローカルシステムからファイルをアップロードします。<br /> 注意: ファイルは._jpg_/._jpeg_または._png_形式である必要があります。ファイルサイズは10 MBを超えてはなりません。 コンソールが画像をスキャンし、認識されたオブジェクトを表示します。 同様にJSON responseも確認できます。 ### Object Recognitionのコードテンプレートへのアクセス CatalystがJava、Node.js、Pythonプラットフォーム用に提供するコードテンプレートを使用して、CatalystアプリケーションにObject Recognitionを実装できます。 テストウィンドウの下のセクションからアクセスできます。Java SDK、NodeJS SDK、またはPython SDKタブをクリックし、コピーアイコンを使用してコードをコピーします。このコードを、必要な箇所でWebまたはAndroidアプリケーションのコードに貼り付けることができます。 Javaでは、入力ファイルを新しいFileとして処理できます。ZCObjectDetectionDataには、入力画像ファイル内のオブジェクトを検出するdetectObjects()メソッドが含まれています。getObjectType()、getConfidence()、getObjectPoints()は、それぞれオブジェクトタイプ、confidence値、座標を取得します。 Node.jsでは、入力画像ファイルをdetectObject()メソッドに渡すことができます。 Pythonでは、.webp/.jpegまたは.pngファイルをopen()メソッドへの入力として提供でき、レスポンスとして画像ファイルオブジェクトを返します。detect_object()メソッドは画像内のオブジェクトを検出・特定するために使用され、入力ファイルはこのメソッドの引数として渡されます。各オブジェクトの座標、タイプ、および各認識のconfidence scoreを返します。