G検定 用語解説
セマンティックセグメンテーションとは
画像を画素単位で分類し、同じクラスの領域を塗り分けるタスク。
まず押さえる結論
セマンティックセグメンテーションは、G検定の「大項目6 ディープラーニングの応用例」で確認しておきたい用語です。 定義だけでなく、どの場面で使う言葉か、何と混同しやすいか、問題文のどの表現で判断するかまで確認します。
試験での問われ方
定義の言い換え
用語そのものではなく、説明文の一部を言い換えて出されることがあります。
似た概念との比較
同じ章の用語と入れ替えた選択肢に注意します。対象、目的、使う場面を分けます。
具体例からの判断
問題文の事例が、定義のどの部分に対応しているかを先に確認します。
誤答しやすいポイント
- 物体検出（R-CNN系/YOLO/SSD）とセグメンテーション（セマンティック＝画素単位の塗り分け、インスタンス＝個体ごとに区別）の混同。
- word2vec・BERT・GPTの違い（BERT＝前後両方向、GPT＝一方向・自己回帰）。
- 強化学習の応用（DQN、AlphaGo）と画像/言語タスクの取り違え。
関連する確認問題
大項目6 ディープラーニングの応用例 / 画像認識・物体検出
画像中の各ピクセルがどのクラスに属するかを画素単位で分類し、同じクラスに属する物体どうしは個別に区別せずに領域を塗り分けるタスクはどれか。
画素単位でクラスを割り当て、同一クラスの物体を区別せずに領域を塗り分けるのはセマンティックセグメンテーション。インスタンスセグメンテーションは同じクラスでも物体ごとに区別する点が異なる。物体検出は矩形（バウンディングボックス）で位置を示す手法、画像認識（クラス分類）は画像全体に1つのクラスを与える手法で、いずれも画素単位の塗り分けではない。
大項目6 ディープラーニングの応用例 / 画像認識・物体検出
入力画像を段階的に縮小して特徴を抽出する経路と、段階的に拡大して元の解像度へ戻す経路を左右対称に配置し、対応する層どうしを直接つないで細かな位置情報を補いながら画素単位の領域分けを出力する、医用画像などで広く用いられるモデルはどれか。
正解はU-Net。特徴を抽出する収縮経路と、解像度を元へ戻す拡大経路を左右対称に配置し、対応する層どうしをスキップ結合で直接つないで細部の位置情報を補いながら画素単位の領域分け（セマンティックセグメンテーション）を出力するモデルで、医用画像などで広く使われる。FCNも画素単位の領域分けを行うが左右対称のU字構造を特徴とはしない。Mask R-CNNは物体ごとに領域を切り出すインスタンスセグメンテーションの手法、Faster R-CNNは矩形で物体位置を求める物体検出の手法であり、いずれも本問の説明とは異なる。
同じ章で確認したい用語
到達チェック
- セマンティックセグメンテーションを一文で説明できる
- 同じ章の似た用語と違いを説明できる
- 問題文の具体例から、セマンティックセグメンテーションに関係する論点を拾える
- 関連問題を解き、誤答した選択肢の理由を確認できる