---
title: "画像タスク総まとめ（分類・検出・セグメンテーション）"
description: "（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。 AI・機械学習での位置づけ、関連モデルや手法との違い、G検定で混同しやすい判断軸を確認できます。"
canonical_url: "https://stemtazoo.github.io/gk/image-tasks-summary/"
section: "gk"
---

## 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