G検定対策！「セグメンテーションを用いた物体認識」がわかる学習ノート

1. 基本：「セマンティックセグメンテーション」とは？

まず基本となるのが「セマンティックセグメンテーション」です。

• 一言でいうと: AIによる「超細かい塗り絵」です。
• 何をするか: 画像に写っているモノを、1ピクセル（画素）ごとに「これは犬」「これは猫」「これは背景」といったクラス（種類）に分類（ラベリング）します。
• 弱点: もし写真に犬が2匹いても、AIにとってはどちらも同じ「犬」クラスです。そのため、2匹とも同じ色で塗りつぶしてしまい、個体を区別できません。

代表的な手法 (FCN, U-Net)

• FCN (完全畳み込みネットワーク):
  従来のAIが最終判断に使っていた「全結合層」（位置情報が失われる）をなくし、すべてを畳み込み層で処理することで、ピクセル単位の塗り絵を可能にした「元祖」的な手法です。
• U-Net:
  FCNの改良版です。U字型の構造が特徴で、「スキップ接続」という仕組み（画像の詳細な情報を、塗り絵の最終工程に直接伝える橋渡し）により、モノの輪郭まで非常に高精度に塗り絵できるのが強みです。

2. 「物体検出」との違い

セグメンテーションと混同しやすいのが「物体検出」です。この違いを理解することが重要です。

• 物体検出 (Object Detection):
  モノの正確な輪郭ではなく、「だいたいこの辺に犬がいる」という位置と大きさを「バウンディングボックス（四角い枠）」で囲む技術です。
• 例: デジタルカメラが人の顔にピントを合わせるために表示する「四角い枠」がこれにあたります。
• 違い: 物体検出は「枠で囲む」、セグメンテーションは「塗り絵する」と覚えましょう。

3. 応用：「インスタンスセグメンテーション」とは？

セマンティックセグメンテーションと物体検出の“いいとこ取り”をしたのが「インスタンスセグメンテーション」です。

• 一言でいうと: 「個体を区別できる」すごい塗り絵です。
• 何をするか: 「物体検出」の能力（モノを個別に認識する）と、「セグメンテーション」の能力（輪郭をキレイに塗る）を統合しています。
• 結果: 写真に犬が2匹いた場合、「これは犬A（赤色）」「これは犬B（緑色）」というように、個体（インスタンス）を別々のモノとして区別して塗り分けることができます。
• 例: スマートフォンの「ポートレートモード」が、人物の輪郭を正確に認識して背景だけをぼかす処理に、この技術が使われています。

代表的な手法 (YOLACT)

• YOLACT (ヨラクト):
  インスタンスセグメンテーションの手法の一つ。従来の手法（例: Mask R-CNN）が「①まず枠で囲む → ②枠内を塗り絵する」という2段階処理だったのに対し、YOLACTはそれらを同時に行う「ワンステージ」方式を採用しています。これにより、非常に高速（リアルタイム）な処理を実現した点で有名です。

まとめ

技術名	何をするか？	個体の区別
物体検出	「犬」を四角い枠で囲む	できる
セマンティック セグメンテーション	「犬」の領域を塗り絵する	できない
インスタンス セグメンテーション	「犬A」と「犬B」を別々に塗り絵する	できる