用語比較

Mask R-CNNとFaster R-CNNの違い｜箱で囲むか、物体ごとのマスクまで出すか（G検定）

Faster R-CNNは、画像の中の物体を境界ボックス（四角い枠）で囲んで、その種類を答える物体検出の手法です。Mask R-CNNは、そのFaster R-CNNに、物体のマスク（物体の形に沿った領域）を予測する枝を並列に加えた手法で、物体ごとの領域まで出すインスタンスセグメンテーションを扱います。

Faster R-CNNは枠で囲み、Mask R-CNNはFaster R-CNNに物体マスクの枝を足して形まで出すと覚えると、G検定の選択肢を切り分けられます。

このページは、2つの原論文（arXivの要旨）の記述をもとに、出力・構成の差・対応するタスクで比べます。数値や場面の例は、説明用の架空のものを含みます。

この記事の根拠と出典

各セクションの見出しの下に、公式資料で確認した内容か編集部の整理かをラベルで示しています。試験日・料金・申込条件・試験方式は変わることがあるため、申込前に公式サイトで確認してください。G検定の一次情報確認日: 2026-10-02。

結論

Faster R-CNN

領域提案ネットワーク（RPN）と、Fast R-CNNによる検出を1つのネットワークにまとめた物体検出の手法。出力は境界ボックスと物体の種類。

Mask R-CNN

Faster R-CNNを拡張し、境界ボックス認識の既存の枝と並列に、物体マスクを予測する枝を加えた手法。インスタンスセグメンテーションの枠組み。

見分け方

出力が「枠」ならFaster R-CNN、「物体ごとのマスク」ならMask R-CNN。「Faster R-CNNを拡張」「並列の枝」が出ればMask R-CNN。

違いを表で確認

比較軸	Faster R-CNN	Mask R-CNN
出力	Faster R-CNN：物体の境界ボックスと、その物体の種類	Mask R-CNN：境界ボックスと種類に加え、各インスタンスの高品質なセグメンテーションマスク
構成	Faster R-CNN：RPNが領域を提案し、Fast R-CNNがその領域を検出する。両者は畳み込み特徴を共有する	Mask R-CNN：Faster R-CNNに、境界ボックス認識の既存の枝と並列に、物体マスクを予測する枝を加える
対応するタスク	Faster R-CNN：物体検出	Mask R-CNN：インスタンスセグメンテーション。同じ枠組みで人の姿勢（キーポイント）の推定にも広げられる
処理の重さ（条件は論文ごとに異なる）	Faster R-CNN：VGG-16でGPU上5fps（全工程を含む。原論文）	Mask R-CNN：Faster R-CNNへの追加の負荷は小さいと述べ、5fpsで動作する（原論文。土台の構成やGPUは要旨に書かれていない）

G検定の学習に使う書籍（Amazon）

試験範囲を通して読むときの1冊です。読んだ章は、このサイトの章別問題で確かめられます。

深層学習教科書ディープラーニング G検定（ジェネラリスト）公式テキスト第3版の表紙

深層学習教科書ディープラーニング G検定（ジェネラリスト）公式テキスト第3版試験を実施する日本ディープラーニング協会が監修した公式テキストです。Amazonで見る

ほかの資格を含む参考書・問題集の一覧を見る

どこで迷っているかを切り分ける

「Faster R-CNNを拡張し、物体マスクを並列の枝で予測する」という選択肢を問われる人

Mask R-CNNです。境界ボックス認識の枝と並列に、マスクを予測する枝を加えています。

物体の個体ごとに領域を分けたいという要件を問われる人

インスタンスセグメンテーションで、Mask R-CNNが代表的な手法です。同じ種類の物体でも、1つずつ別のマスクにします。

FCNやU-Netとの関係を整理したい人

FCNは、畳み込みネットワークを画素から画素へ学習させるセマンティックセグメンテーションの手法です。Mask R-CNNは、物体検出から広げて、物体1つずつのマスクを出す点が違います。

具体例で使い分ける

例 1

選択肢に「並列の枝」が出る場合（架空の場面）

「Faster R-CNNに物体マスクを予測する枝を並列に加えた手法はどれか」という問いがあります。

Faster R-CNNを土台にして、マスクの枝を足した手法は、Mask R-CNNの記述です。
Faster R-CNN自体は境界ボックスの検出までで、マスクは出しません。

結論: 「Faster R-CNNの拡張」と「マスク」が揃えばMask R-CNNです。

例 2

出力が枠だけの場合（架空の場面）

「画像中の物体を境界ボックスで囲んで種類を答える手法」を選ぶ問いがあります。

枠で囲んで種類を出すだけなら、物体検出の範囲です。
物体の形に沿ったマスクまで求められていないので、Mask R-CNNまで広げる必要はありません。

結論: 枠だけならFaster R-CNN（や、YOLO・SSDなどの物体検出）です。

例 3

同じ種類の物体が並ぶ画像の場合（架空の場面）

同じ種類の物体が重なって並んでいる画像で、1つずつを別々に切り出したいとします。

セマンティックセグメンテーションは、画素ごとに種類を出すため、同じ種類の物体を1つずつに分けません。
インスタンスセグメンテーションは、各インスタンスにマスクを出すので、1つずつ分けられます。

結論: 個体を分けたいならインスタンスセグメンテーション、その代表がMask R-CNNです。

問題文から答えを選ぶ手順

1
出力を見る
境界ボックスと種類だけならFaster R-CNN、物体ごとのマスクまで出すならMask R-CNNです。
2
構成を見る
Faster R-CNNに並列の枝を足した、という記述はMask R-CNNです。
3
タスク名を見る
物体検出ならFaster R-CNN、インスタンスセグメンテーションならMask R-CNNです。
4
セマンティックと混ぜない
画素ごとの種類だけを出す手法はセマンティックセグメンテーション（FCNなど）で、個体は分けません。

試験での見分け方

1Faster R-CNNは、RPNで領域を提案し、Fast R-CNNで検出する物体検出の手法である。
2Mask R-CNNは、Faster R-CNNに物体マスクを予測する枝を、境界ボックス認識の枝と並列に加えた手法である。
3Mask R-CNNは、検出と同時に各インスタンスのセグメンテーションマスクを生成する。
4Mask R-CNNはFaster R-CNNへの追加の負荷が小さく、5fpsで動作する。
5個体ごとに分けるのはインスタンスセグメンテーション、画素ごとの種類を出すのはセマンティックセグメンテーションである。

誤答しやすい選択肢

Mask R-CNNをセマンティックセグメンテーションの手法と考える

修正: Mask R-CNNは、各インスタンスにマスクを出すインスタンスセグメンテーションの手法です。

Mask R-CNNをFaster R-CNNと無関係な別の系統と考える

修正: Mask R-CNNはFaster R-CNNを拡張した手法で、既存の検出の枝は残し、マスクの枝を並列に加えます。

Faster R-CNNでも物体マスクが得られると考える

修正: Faster R-CNNの出力は境界ボックスと種類です。マスクを出す枝はMask R-CNNで加えられました。

確認問題

Q1Faster R-CNNを拡張し、境界ボックス認識の枝と並列に物体マスクの枝を加えた手法は？

答え: Mask R-CNN

検出と同時に、各インスタンスの高品質なセグメンテーションマスクを生成します。

Q2Mask R-CNNが扱うタスクは、セマンティックセグメンテーションとインスタンスセグメンテーションのどちらか？

答え: インスタンスセグメンテーション

物体ごとにマスクを出し、同じ種類の物体も1つずつ分けます。

Q3Faster R-CNNの出力は何か？

答え: 境界ボックスと物体の種類

物体マスクは出しません。マスクの枝を加えたのがMask R-CNNです。

到達チェック

Mask R-CNNがFaster R-CNNの拡張だと言える
並列の枝で何を予測するか言える
インスタンスとセマンティックの違いを言える

同じ資格で次に知りたいこと

YOLOとSSDの違い｜画像全体から回帰で直接予測するか、デフォルトボックスと複数の特徴マップを使うか（G検定）
YOLOとSSDの違いを、検出の捉え方（回帰問題かデフォルトボックスか）、大小の物体への対応、原論文の速度の数値で整理。G検定で同じ一段階の手法を問う選択肢を切り分ける判断手順と確認問題つき。
AdaGradとRMSpropの違い｜過去の勾配を全部足すか、古い分を薄めるか（G検定）
AdaGradとRMSpropの違いを、勾配の2乗の貯め方、学習率の変化、登場した年、Adamとの関係で整理。G検定の最適化手法の問題で迷わない見分け方と確認問題つき。
GoogLeNetとResNetの違い｜Inceptionで幅と深さを増やすか、残差学習で152層まで深くするか（G検定）
GoogLeNetとResNetの違いを、設計の狙い（計算予算を保った深さと幅、残差学習）、層の数、ILSVRCでの成績で整理。G検定の画像認識で選択肢を切り分ける判断手順と確認問題つき。

よくある質問

QMask R-CNNとFaster R-CNNの違いは？

Faster R-CNNは境界ボックスと種類を出す物体検出の手法です。Mask R-CNNはそれに物体マスクを予測する枝を並列に加え、インスタンスセグメンテーションまで扱います。

QMask R-CNNはFaster R-CNNより大幅に遅いですか？

原論文は、Faster R-CNNへの追加の負荷は小さく、5fpsで動作すると述べています。

QMask R-CNNは何のタスクに使われますか？

物体のインスタンスセグメンテーションです。原論文は、同じ枠組みで人の姿勢の推定にも広げられると述べています。

次に見る比較

G検定・DS検定・統計検定2級で重なる用語10語の比較
同じ名前の用語の定義と収録章を、資格ごとに並べます。
ベイズの定理と条件付き確率の違い（統計検定2級の式と計算例）
求める確率の向きの違いと、陽性になる確率の計算例を確かめます。
紛らわしい用語ペア早見表
混同しやすい用語の違いと判定の手掛かりを、資格別の一覧で確かめます。

シェア:Xでシェア LINEでシェア

執筆: ミナト編集部（運営者情報を見る）