ある農業法人が、果樹園で撮影した画像からリンゴの果実を1個ずつ見分け、それぞれの大きさ（画像上の面積）を測りたいと考えている。画像では果実どうしが重なって写ることが多い。この目的に合う画像認識のタスクとして、最も適切なものを1つ選べ。
正解と解説を見る
解説
正解 C
この問題の論点：画像認識タスクの使い分け
ポイント
物体を1個ずつ区別し、その領域を画素単位で切り出すのがインスタンスセグメンテーションです。個数と形の両方が必要な場面で使います。
選択肢ごとの解説
- A
不適切
物体検出が出力するのは、物体を囲む矩形（バウンディングボックス）とクラスです。矩形には背景や隣の果実も含まれるため、果実の形や面積を画素単位で正確に求めることはできません。
- B
不適切
セマンティックセグメンテーションは、各画素に「果実」「葉」「背景」などのクラスを割り当てます。同じクラスの物体どうしは区別しないため、重なった果実は1つの領域にまとまり、1個ごとの面積はわかりません。
- C
適切 正解
インスタンスセグメンテーションは、同じクラスの物体でも個体ごとに別の領域として画素単位で切り出します。代表的なモデルのMask R-CNNは、検出した物体ごとに領域を表すマスクを出力します。
- D
不適切
姿勢推定は、人の関節などの特徴点（キーポイント）の位置とつながりを推定するタスクです。代表例のOpen Poseは画像中の複数人の骨格を推定します。物体の領域を画素単位で求めるタスクではありません。
補足
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を統合したタスクが、パノプティックセグメンテーションです。人や車のように数えられる物体は個体ごとに分け、空や道路のように数えられない領域にはクラスだけを割り当てます。画像のすべての画素にクラスを割り当て、数えられる物体の画素には個体の区別も付けます。
試験での狙われ方
物体検出・セマンティック・インスタンス・パノプティックの出力の違いを、具体的な場面に当てはめて問う形が見られます。