セマンティックセグメンテーションのモデルに関する説明として、最も適切なものを1つ選べ。
正解と解説を見る
解説
正解 D
この問題の論点：セグメンテーションモデルの構造
ポイント
U-Netは特徴マップの連結、SegNetは位置の記録、PSPNetはピラミッドプーリング、DeepLabはAtrous畳み込みがそれぞれの特徴です。
選択肢ごとの解説
- A
不適切
これはSegNetの説明です。U-Netは位置の情報だけでなく、エンコーダの特徴マップそのものをデコーダの同じ解像度の層へ渡して連結します。医用画像向けに提案され、細かい境界の復元に強いモデルです。
- B
不適切
これはU-Netの説明です。SegNetもエンコーダ・デコーダ構造ですが、デコーダに渡すのはプーリングで最大値をとった位置（インデックス）だけです。特徴マップ全体を渡さない分、メモリを節約できます。
- C
不適切
これはPSPNetのピラミッドプーリングモジュールの説明です。FCNは、分類用CNNの全結合層を畳み込み層に置き換え、画素ごとにクラスを出力できるようにした初期のモデルです。
- D
適切 正解
Atrous畳み込み（Dilated畳み込み）は、パラメータ数を増やさずに広い範囲を見られます。プーリングで解像度を落とし過ぎずに周囲の文脈を取り込めるため、DeepLabの中心的な工夫になっています。
試験での狙われ方
モデル名と構造上の工夫を入れ替えた選択肢で問う形が見られます。とくにU-NetとSegNetの違いは混同しやすい論点です。
参考
- G検定 試験出題範囲（シラバス2024）第1.4版 （技術分野 項目26 画像認識）
- Long, Shelhamer, Darrell, Fully Convolutional Networks for Semantic Segmentation (2014)
- Ronneberger, Fischer, Brox, U-Net: Convolutional Networks for Biomedical Image Segmentation (2015)
- Badrinarayanan, Kendall, Cipolla, SegNet: A Deep Convolutional Encoder-Decoder Architecture for Image Segmentation (2015)
- Zhao, Shi, Qi, Wang, Jia, Pyramid Scene Parsing Network (2016)
- Chen, Papandreou, Kokkinos, Murphy, Yuille, DeepLab: Semantic Image Segmentation with Deep Convolutional Nets, Atrous Convolution, and Fully Connected CRFs (2016)