足裏画像から足指の領域を抽出するAIを、約4MBの軽量モデルで実用水準に（PoC）
足型計測の前処理となる足指の領域抽出に深層学習（U²-Net）を適用。約4MBの軽量モデルで、200枚の検証のうち94%を正しく抽出し、従来の画像処理（73%）を上回りました。
- お客様
- 足型計測サービスを提供する企業
- 主な技術
- Python、U²-Net（軽量版 U²-NetP）、深層学習（セグメンテーション）
課題
足裏の画像を使った計測では、最初に「画像のどこが足指か」を特定する処理が、その後の判定すべてに影響します。従来のルールベースの画像処理は、照明の映り込み、撮影面のガラスの曇り、指が横を向いて付け根と一体に見えるケースで失敗しやすく、成功率は200枚中73%にとどまっていました。
取り組み
- 顕著性セグメンテーションの手法 U²-Net を採用し、「足指」を前景として学習させた
- 元画像の上3分の1を切り出し、輪郭を強調してからマスク画像を作る前処理で、背景や肌の色の影響を抑えた
- 通常版（約170MB）と軽量版（約4MB）を比較し、アプリに組み込める軽量版で実用精度を目指した
- 学習データを50枚から200枚に増やして段階的に検証。失敗ケースは、領域の面積や指の位置関係による後処理で補正できることを確認した
結果
軽量版でも、ランダムに選んだ200枚のうち188枚（94%）で足指を正しく抽出でき、従来の73%を大きく上回りました。約4MBというサイズは、アプリへの組み込みに十分な水準です。現在は学習データを300〜500枚に増やし、判定ロジックとの統合検証を進めています。