最終更新日:2026年10月19日
gk cnn cheatsheet
まず結論
同じ写真を処理しても、物体検出・セマンティック・インスタンスセグメンテーションでは出力する情報が違います。
ここでは「2人の人が写る同じ画像」を使い、検出枠と画素ラベルを比べます。画像分類も含む全体像は画像タスク総まとめで確認できます。
直感的な説明
- 物体検出:人ごとにクラスと検出枠を出す
- セマンティック:画素ごとに「人・背景」などのクラスを出す
- インスタンス:同じ人クラスでも、物体ごとの画素領域を出す
物体検出でも複数の人を別の枠として検出できます。 違いは、個体を一切区別できるかではなく、個体ごとの画素領域まで出すかです。
定義・仕組み(同じ画像の出力例)
説明用に、横5列・縦2行の小さな画像を考えます。左の2列が人1、右の2列が人2、中央が背景とします。
物体検出:枠が2つ
| 検出されたクラス | 枠の位置(この例) |
|---|---|
| 人 | 左1〜2列、上1〜2行 |
| 人 | 左4〜5列、上1〜2行 |
クラスと枠を物体ごとに出します。この出力だけでは、枠内のどの画素が人の形かは示しません。
セマンティック:同じクラスは同じラベル
| 行/列 | 1 | 2 | 3 | 4 | 5 |
|---|---|---|---|---|---|
| 1 | 人 | 人 | 背景 | 人 | 人 |
| 2 | 人 | 人 | 背景 | 人 | 人 |
離れた領域があっても、ラベルはどちらも「人」です。物体ごとのIDを出力したものではありません。
インスタンス:人ごとの領域
| 行/列 | 1 | 2 | 3 | 4 | 5 |
|---|---|---|---|---|---|
| 1 | 人1 | 人1 | 背景 | 人2 | 人2 |
| 2 | 人1 | 人1 | 背景 | 人2 | 人2 |
人1・人2は説明用の個体番号です。同じクラスを物体ごとの画素領域として分けます。別フレームでも同じIDを保持する追跡処理とは、さらに区別します。
いつ使う?(得意・不得意)
| 必要な出力 | タスクの目安 |
|---|---|
| 人ごとの位置とクラス | 物体検出 |
| 道路・空・人などのクラス別の領域 | セマンティックセグメンテーション |
| 同じクラスの物体を形状ごとに分けた領域 | インスタンスセグメンテーション |
領域分割の代表モデルを選ぶ場合はFCN・U-Net・SegNetの一覧、個体別マスクを出す構造はMask R-CNNで確認できます。
G検定ひっかけポイント
- 「物体検出は同じクラスの物体を別々に検出できない」→ 誤り。複数の枠として検出できる。
- 「セマンティックのクラスラベルがあれば物体IDも得られる」→ クラス別画素と個体IDは別。
- 「インスタンスは枠だけを出す」→ 個体ごとの画素領域を出す。
- 「個体番号を付ければ動画内の追跡も済む」→ フレームをまたぐ対応付けとは別。
まとめ(試験直前用)
- 検出:物体ごとの枠
- セマンティック:画素ごとのクラス
- インスタンス:個体ごとの画素領域
- 同じ入力から何が出力されるかで判断する