画像タスク総まとめ（分類・検出・セグメンテーション）は頻出論点を整理して得点力につなげる学習テーマです。この記事では仕組み・役割・使いどころを押さえ、G検定で問われる判断ポイントとひっかけポイントを解説します。

gk cnn computer_vision cheatsheet

G検定トップ ＞ 画像タスク総まとめ（分類・検出・セグメンテーション）

まず結論（ここだけで8割切れる）

  • 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

👉 G検定は 「出力の違い」 を聞いてくる

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（超重要）

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 ピクセルラベル 完全

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（頻出）

タスク モデル例
分類 AlexNet, VGG, ResNet, EfficientNet
検出 Faster R-CNN, YOLO, SSD
セグメンテーション FCN, U-Net, SegNet

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

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
  • 位置情報あり → 検出以上

👉 次は 画像分野ひっかけ問題集（総仕上げ） に進むと完成

🔗 関連記事

🏠 G検トップに戻る