このページは Cloud Translation API によって翻訳されました。

ウェブ向け画像セグメンテーションガイド

MediaPipe 画像セグメンテーションタスクを使用すると、事前定義されたカテゴリに基づいて画像を領域に分割し、背景のぼかしなどの視覚効果を適用できます。以下では、Node とウェブアプリ用の画像セグメンテーションの使用方法について説明します。このタスクの機能、モデル、構成オプションの詳細については、概要をご覧ください。

サンプルコード

画像セグメンテーションのサンプルコードは、参考用にこのタスクの完全な実装を JavaScript で示しています。このコードは、このタスクをテストし、独自の画像セグメンテーションアプリの構築を開始するのに役立ちます。ウェブブラウザだけで、画像セグメンテーションのサンプルコードを表示、実行、編集できます。この例のコードは GitHub でも確認できます。

セットアップ

このセクションでは、イメージセグメンテーションを使用するための開発環境とコードプロジェクトを設定する際の主な手順について説明します。プラットフォームのバージョン要件など、MediaPipe タスクを使用するための開発環境の設定に関する一般的な情報については、ウェブ用の設定ガイドをご覧ください。

JavaScript パッケージ

画像セグメンテーションコードは、MediaPipe @mediapipe/tasks-vision NPM パッケージで使用できます。これらのライブラリは、プラットフォームの設定ガイドに記載されているリンクから検索してダウンロードできます。

次のコマンドを使用して、ローカルステージングに必要な次のコードを含む必要なパッケージをインストールできます。

npm install --save @mediapipe/tasks-vision

コンテンツ配信ネットワーク（CDN）サービスを介してタスクコードをインポートする場合は、HTML ファイルのタグに次のコードを追加します。

<head>
  <script src="https://cdn.jsdelivr.net/npm/@mediapipe/tasks-vision/vision_bundle.js"
    crossorigin="anonymous"></script>
</head>

モデル

MediaPipe Image Segmenter タスクには、このタスクと互換性のあるトレーニング済みモデルが必要です。画像セグメンテーションで使用可能なトレーニング済みモデルの詳細については、タスクの概要のモデルセクションをご覧ください。

モデルを選択してダウンロードし、プロジェクトディレクトリに保存します。

<dev-project-root>/app/shared/models/

タスクを作成する

Image Segmenter の createFrom...() 関数のいずれかを使用して、推論を実行するタスクを準備します。トレーニング済みモデルファイルへの相対パスまたは絶対パスを指定して、createFromModelPath() 関数を使用します。モデルがすでにメモリに読み込まれている場合は、createFromModelBuffer() メソッドを使用できます。

次のコード例は、createFromOptions() 関数を使用してタスクをセットアップする方法を示しています。createFromOptions 関数を使用すると、構成オプションを使用して画像セグメンタをカスタマイズできます。タスク構成の詳細については、構成オプションをご覧ください。

次のコードは、カスタムオプションを使用してタスクをビルドして構成する方法を示しています。

runningMode = "IMAGE";

async function createImageSegmenter() {
  const vision = await FilesetResolver.forVisionTasks(
    "https://cdn.jsdelivr.net/npm/@mediapipe/tasks-vision@latest/wasm"
  );

  imageSegmenter = await ImageSegmenter.createFromOptions(vision, {
    baseOptions: {
      modelAssetPath:
        "https://storage.googleapis.com/mediapipe-assets/deeplabv3.tflite?generation=1661875711618421",
    },
    outputCategoryMask: true,
    outputConfidenceMasks: false
    runningMode: runningMode
  });
}
createImageSegmenter();

画像セグメンテーションタスクの作成のより完全な実装については、コードサンプルをご覧ください。

構成オプション

このタスクには、ウェブアプリケーション用に次の構成オプションがあります。

オプション名	説明	値の範囲	デフォルト値
`runningMode`	タスクの実行モードを設定します。モードは 2 つあります。 IMAGE: 単一の画像入力のモード。 VIDEO: 動画のデコードされたフレーム、または入力データのライブストリーム（カメラなど）のモード。	{`IMAGE, VIDEO`}	`IMAGE`
`outputCategoryMask`	`True` に設定すると、出力には、uint8 画像としてセグメンテーションマスクが含まれ、各ピクセル値は最も成功したカテゴリ値を示します。	{`True, False`}	`False`
`outputConfidenceMasks`	`True` に設定すると、出力には浮動小数点値の画像としてセグメンテーションマスクが含まれ、各浮動小数点値はカテゴリの信頼スコアマップを表します。	{`True, False`}	`True`
`displayNamesLocale`	タスクのモデルのメタデータで提供される表示名に使用するラベルの言語を設定します（利用可能な場合）。英語の場合、デフォルトは `en` です。TensorFlow Lite Metadata Writer API を使用して、カスタムモデルのメタデータにローカライズされたラベルを追加できます。	言語 / 地域コード	en

データの準備

Image Segmenter は、ホストブラウザでサポートされている任意の形式の画像内のオブジェクトをセグメント化できます。このタスクは、サイズ変更、回転、値の正規化など、データ入力の前処理も処理します。

Image Segmenter の segment() メソッドと segmentForVideo() メソッドの呼び出しは同期的に実行され、ユーザーインターフェーススレッドをブロックします。デバイスのカメラからの動画フレーム内のオブジェクトをセグメント化すると、各セグメンテーションタスクがメインスレッドをブロックします。これを防ぐには、ウェブワーカーを実装して segment() と segmentForVideo() を別のスレッドで実行します。

タスクを実行する

画像セグメンテーションは、画像モードで segment() メソッドを使用し、video モードで segmentForVideo() メソッドを使用して推論をトリガーします。画像セグメンテーションは、タスクの推論の実行時に設定したコールバック関数に、検出されたセグメントを画像データとして返します。

次のコードは、タスクモデルを使用して処理を実行する方法を示しています。

画像

const image = document.getElementById("image") as HTMLImageElement;
imageSegmenter.segment(image, callback);

Video

async function renderLoop(): void {
  const video = document.getElementById("video");
  let startTimeMs = performance.now();

  imageSegmenter.segmentForVideo(video, startTimeMs, callbackForVideo);

  requestAnimationFrame(() => {
    renderLoop();
  });
}

Image Segmenter タスクの実行の詳細な実装については、コードサンプルをご覧ください。

結果を処理して表示する

推論を実行すると、画像セグメンテーションタスクはセグメントの画像データをコールバック関数に返します。出力の内容は、タスクを構成したときに設定した outputType によって異なります。

次のセクションでは、このタスクからの出力データの例を示します。

カテゴリの信頼度

次の図は、カテゴリの信頼マスクのタスク出力を可視化したものです。信頼度マスクの出力には、[0, 1] 間の浮動小数点値が含まれます。

元の画像とカテゴリの信頼度マスクの出力。Pascal VOC 2012 データセットのソース画像。

カテゴリの値

次の画像は、カテゴリ値のマスクのタスク出力を可視化したものです。カテゴリマスクの範囲は [0, 255] で、各ピクセル値は、モデル出力で最も優れたカテゴリインデックスを表します。優先カテゴリインデックスは、モデルが認識できるカテゴリの中で最も高いスコアを持ちます。

元の画像とカテゴリマスクの出力。Pascal VOC 2012 データセットのソース画像。

画像セグメンテーションのサンプルコードは、タスクから返されたセグメンテーションの結果を表示する方法を示しています。詳しくは、コードサンプルをご覧ください。