最終更新日:2026年10月19日
gk cnn computer_vision cheatsheet
まず結論
- 分類:画像が何かを当てる
- 検出:何がどこにあるかを当てる
- セグメンテーション:どこまでが対象かを塗り分ける
ここでは分類から検出・領域分割までの全体マップと代表モデルへの入口を扱います。同じ画像を3方式で処理した出力例は、検出枠・クラス別画素・個体別画素の比較で確認できます。
選択肢では、何を出力するタスクかから確認します。
直感的な違い
画像分類(Classification)
この画像は「何」?
- 出力:クラスラベル
- 例:犬/猫
物体検出(Object Detection)
何が「どこ」にある?
-
出力:
- クラス
- バウンディングボックス
セグメンテーション(Segmentation)
どこまでが対象?
- 出力:ピクセル単位のラベル
タスク別 出力の違い
| タスク | 出力 | 位置情報 |
|---|---|---|
| 分類 | クラス | なし |
| 検出 | クラス + BBox | あり |
| セグメンテーション | 画素単位のラベル | 画素の位置に対応 |
画像認識タスクの見取り図
出力の種類から、次のように整理できます。枝分かれはタスクの違いを表し、モデルの優劣を表すものではありません。
- 画像分類:画像全体のクラスを答える
- 物体検出:物体のクラスと位置を答える
- 矩形で位置を示す代表例:Faster R-CNN、YOLO、SSD
- 楕円で位置を表す拡張例:Ellipse R-CNN
- セグメンテーション:画素単位で領域を答える
- セマンティック:同じクラスの領域をまとめる
- インスタンス:同じクラスでも物体ごとの領域を分ける。代表例はMask R-CNN
見るポイントは、画像全体・物体の位置・画素の領域のどれを出力するかです。
セグメンテーションの種類
セマンティックセグメンテーション
- 同じクラスは同じ色
- 個体の区別はしない
インスタンスセグメンテーション
- 同じクラスでも個体ごとに区別
- 検出+セグメンテーション
代表モデル
| タスク | モデル例 |
|---|---|
| 分類 | AlexNet, VGG, ResNet, EfficientNet |
| 検出 | Faster R-CNN, YOLO, SSD |
| セマンティックセグメンテーション | FCN, U-Net, SegNet |
| インスタンスセグメンテーション | Mask R-CNN |
いつ使う?(得意・不得意)
| 必要な出力 | 選ぶタスクの目安 | 注意点 |
|---|---|---|
| 画像に何が写っているか | 分類 | 通常、個々の物体の位置や境界は出さない |
| 物体がどこにあるか | 検出 | 矩形だけでは画素単位の形状は分からない |
| 道路・空などの領域 | セマンティックセグメンテーション | 同じクラスの個体同士は分けない |
| 同じクラスの物体を個別の領域で扱う | インスタンスセグメンテーション | 個体ごとの領域を推定する必要がある |
速度や計算量はモデルや画像サイズにも依存します。タスク名だけで性能の順位を決めず、必要な出力から選びます。
G検定ひっかけポイント
- ❌「分類は位置も出す」→ 誤り
- ❌「検出はピクセル単位」→ 誤り
- ❌「セグメンテーション=検出」→ 誤り
- ❌「セマンティックで人A・人Bの領域を分ける」→ 個体別の領域はインスタンスセグメンテーション
- Mask R-CNNは物体検出に加えて、個体ごとのマスクを予測する
超短縮 暗記フレーズ
- 分類:何?
- 検出:何がどこ?
- セグメンテーション:どこまで?
まとめ(試験直前用)
- 出力の違いで即切る
- ピクセル単位 → セグメンテーション
- 矩形による位置か、画素単位の領域かを確認する
画像タスクで使う局所特徴抽出の計算は、畳み込みと特徴マップで確認できます。
分類・検出・セグメンテーションを比較した後は、セグメンテーションの種類を確認できます。