セマンティックセグメンテーションのモデルであるFCN（Fully Convolutional Network）に関する説明として、最も不適切なものを1つ選べ。
正解と解説を見る
解説
正解 D
この問題の論点：FCNの構造の特徴
ポイント
FCNは全結合層を畳み込み層に置き換え、画素ごとのクラスを出力できるようにした、セグメンテーションの基礎となるモデルです。
選択肢ごとの解説
- A
適切
全結合層は、入力全体を覆う大きさのフィルタをもつ畳み込み層とみなせます。こう置き換えると入力の大きさが固定されなくなり、出力も位置の情報を保った特徴マップになります。
- B
適切
プーリングを重ねた深い層の出力は入力より小さく粗いため、ネットワーク内の逆畳み込み（転置畳み込み）で入力と同じ大きさに拡大します。途中の拡大のフィルタは双線形補間で初期化し、学習で調整します。
- C
適切
最も深い層の予測だけでは境界が粗くなります。FCNは浅い層からも予測を作って深い層の予測に足し合わせ、意味の情報と細かい位置の情報を組み合わせました。
- D
不適切 正解
これはU-Netの説明です。U-NetはFCNの考え方をもとに、医療画像向けに左右対称のU字型の構造と、同じ解像度の特徴マップの連結を取り入れました。FCNは一般的な画像のデータセットで評価されたモデルです。
試験での狙われ方
FCNと、U-NetやSegNetなどの後続モデルの違い（全結合層の有無、拡大の方法、特徴の組み合わせ方）を問う形が考えられます。