WOLFRAM

Wolfram言語 ＆ システムドキュメントセンター

ContentDetectorFunction[…]

TrainImageContentDetectorまたはTrainTextContentDetectorによって生成された，テキストあるいは画像の断片中のコンテンツを局所化して分類する関数を表す．

詳細
Details and Options Details and Options
例題  
例  
オプション  
AcceptanceThreshold  
MaxFeatures  
MaxOverlapFraction  
関連項目
関連するガイド
履歴
引用書式

ContentDetectorFunction

ContentDetectorFunction[…]

TrainImageContentDetectorまたはTrainTextContentDetectorによって生成された，テキストあるいは画像の断片中のコンテンツを局所化して分類する関数を表す．

詳細

  • コンテンツの検出は実体のタグ付けあるいはオブジェクト検出としても知られるもので，コンテンツ検出器の訓練に使われたコンテンツに類似した画像またはテキストの下位部分を見付けて分類する過程である．
  • ContentDetectorFunction[…]は，画像または文字列に適用して検出されたコンテンツの位置，クラス等の分類特性を返す関数である．
  • ContentDetectorFunction[…][expr]は expr 中で検出されたコンテンツを返す．
  • ContentDetectorFunction[…][{expr1,expr2,…}]はすべての expriのコンテンツを検出する．
  • ContentDetectorFunction[…][expr,prop]は指定された特性を返す．以下は使用可能な特性である．
  • "Class"検出されたオブジェクトのクラス
    "Position"検出されたオブジェクトの位置
    "Probability"検出の正しさの推定確率
    "Properties"使用可能な特性のリスト
    {prop1,…}特性指定のリスト
  • 上記に加え，テキスト検出器は以下の特性を返すことができる．
  • "HighlightedSnippet"検出された文字列をハイライトしたスニペット
    "Snippet"検出された文字列の周辺のスニペット
    "String"識別されたテキスト文字列
  • 画像検出器は次の特性を返すことができる．
  • "BoundingBox"Rectangleとして与えられる部分画像の境界ボックス
    "Image"識別された部分画像
  • ContentDetectorFunction[…][expr,…,opts]は検出器が expr に適用された際にオプション opts を使うように指定する．
  • 次は，使用可能なオプションである．
  • AcceptanceThreshold Automatic識別受容閾値
    TargetDevice"CPU"そこで計算を行うターゲットデバイス
  • 検出器のタイプによっては他のオプションが使える場合もある．
  • MaxFeaturesAutomatic返すコンテンツの最大数
    MaxOverlapFractionAutomatic境界ボックスの最大の重なり合い

例題

すべて開く すべて閉じる

例  (2)

簡単な実体検出器をテキストのタグについて訓練する：

Wolfram Language code: detector = TrainTextContentDetector[{ "I like banana" -> {{8, 13} -> "Fruit"}, "I eat apples watching TV" -> {{7, 12} -> "Fruit"}, "I am enjoying raspberries" -> {{15, 25} -> "Fruit"}, "I play soccer" -> {{8, 13} -> "Sport"}, "I watch TV" -> {} }]

検出器を新たなテキストに適用する：

Wolfram Language code: detector[{"I ate cranberries", "I like basketball"}]

画像に使用可能なオブジェクト検出器を訓練する：

Wolfram Language code: df = TrainImageContentDetector[ {[image] -> {Rectangle[{48, 25}, {160, 144}] -> "apple", Rectangle[{144, 24}, {279, 144}] -> "apple"}, [image] -> {Rectangle[{84, 43}, {227, 155}] -> "strawberry"}, [image] -> {Rectangle[{67, 60}, {140, 220}] -> "banana"}, [image] -> {Rectangle[{60, 70}, {180, 212}] -> "strawberry"}}, TimeGoal -> Quantity[15, "Minutes"]]

この検出器を新たな画像に適用する：

Wolfram Language code: testImage = [image]; df[testImage]

検出されたものを入力画像上でハイライトする：

Wolfram Language code: HighlightImage[testImage, Legended[#BoundingBox, #Class]& /@ df[testImage, {"BoundingBox", "Class"}]]

オプション  (3)

AcceptanceThreshold  (1)

デフォルトで，検出されたオブジェクトには確率閾値で自動的にフィルタがかけられる：

Wolfram Language code: df = TrainImageContentDetector[{DynamicModule[«3»] -> {Rectangle[{89, 26}, {317, 217}] -> "heart"}, DynamicModule[«3»] -> {Rectangle[{228, 99}, {289, 158}] -> "heart"}, DynamicModule[«3»] -> {Rectangle[{86, 133}, {176, 207}] -> "heart", Rectangle[{170, 83}, {225, 130}] -> "heart"}, DynamicModule[«3»] -> {Rectangle[{147, 86}, {239, 186}] -> "heart"}}]
Wolfram Language code: i = [image];
Wolfram Language code: df[i]

AcceptanceThresholdt を使って検出されたもののうち強度が t を上回るものだけを返す：

Wolfram Language code: df[i, AcceptanceThreshold -> .5]

閾値を低くすると質が低い検出結果が返されるかもしれない：

Wolfram Language code: df[i, "Image", AcceptanceThreshold -> 10 ^ -2]

MaxFeatures  (1)

デフォルトで，検出されたもので受容閾値を超えるすべてが返される：

Wolfram Language code: df = TrainImageContentDetector[{DynamicModule[«3»] -> {Rectangle[{89, 26}, {317, 217}] -> "heart"}, DynamicModule[«3»] -> {Rectangle[{228, 99}, {289, 158}] -> "heart"}, DynamicModule[«3»] -> {Rectangle[{86, 133}, {176, 207}] -> "heart", Rectangle[{170, 83}, {225, 130}] -> "heart"}, DynamicModule[«3»] -> {Rectangle[{147, 86}, {239, 186}] -> "heart"}}]
Wolfram Language code: i = [image];
Wolfram Language code: df[i, AcceptanceThreshold -> 10 ^ -3]//Length

MaxFeaturesn とすると検出されたもののうち最も強い n 個だけが返される：

Wolfram Language code: df[i, AcceptanceThreshold -> 10 ^ -3, MaxFeatures -> 4]

MaxOverlapFraction  (1)

デフォルトで，検出されたものは重複を無視して返される：

Wolfram Language code: df = TrainImageContentDetector[{DynamicModule[«3»] -> {Rectangle[{89, 26}, {317, 217}] -> "heart"}, DynamicModule[«3»] -> {Rectangle[{228, 99}, {289, 158}] -> "heart"}, DynamicModule[«3»] -> {Rectangle[{86, 133}, {176, 207}] -> "heart", Rectangle[{170, 83}, {225, 130}] -> "heart"}, DynamicModule[«3»] -> {Rectangle[{147, 86}, {239, 186}] -> "heart"}}]
Wolfram Language code: i = [image];
Wolfram Language code: HighlightImage[i, {Green, df[i, "BoundingBox"]}]

重複しないオブジェクトだけを求める：

Wolfram Language code: HighlightImage[i, {Green, df[i, "BoundingBox", MaxOverlapFraction -> 0]}]

10パーセントまでの重複を許容する：

Wolfram Language code: HighlightImage[i, {Green, df[i, "BoundingBox", MaxOverlapFraction -> 0.1]}]
Wolfram Research (2021), ContentDetectorFunction, Wolfram言語関数， https://reference.wolfram.com/language/ref/ContentDetectorFunction.html.

テキスト

Wolfram Research (2021), ContentDetectorFunction, Wolfram言語関数， https://reference.wolfram.com/language/ref/ContentDetectorFunction.html.

CMS

Wolfram Language. 2021. "ContentDetectorFunction." Wolfram Language & System Documentation Center. Wolfram Research. https://reference.wolfram.com/language/ref/ContentDetectorFunction.html.

APA

Wolfram Language. (2021). ContentDetectorFunction. Wolfram Language & System Documentation Center. Retrieved from https://reference.wolfram.com/language/ref/ContentDetectorFunction.html

BibTeX

@misc{reference.wolfram_2026_contentdetectorfunction, author="Wolfram Research", title="{ContentDetectorFunction}", year="2021", howpublished="\url{https://reference.wolfram.com/language/ref/ContentDetectorFunction.html}", note=[Accessed: 13-September-2026]}

BibLaTeX

@online{reference.wolfram_2026_contentdetectorfunction, organization={Wolfram Research}, title={ContentDetectorFunction}, year={2021}, url={https://reference.wolfram.com/language/ref/ContentDetectorFunction.html}, note=[Accessed: 13-September-2026]}