画像系頻出用語 一気通貫チェックは重要ポイントを整理して理解するための用語です。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 cheatsheet

G検定トップ ＞ 画像系頻出用語 一気通貫チェック【G検定対策】

まず結論

  • 画像系の問題は「処理の種類」と「目的」で切るのが最短ルート。
  • G検定では 用語名より「何を変えているか／何のためか」が問われる。

直感的な説明

  • 画像系の用語はすべて、次のどこかに属する：
    1. 入力を整える（前処理）
    2. データを増やす（データ拡張）
    3. 特徴を抜き出す（CNN）
    4. 意味を分ける（タスク）
  • どの段階の話か分かれば、選択肢は自然に消える。

定義・仕組み

① 前処理（Preprocessing）

  • Normalization
    • 画素値を一定範囲に正規化
  • Standardization
    • 平均0・分散1に変換
  • Resize
    • 画像サイズを揃える
  • Grayscale
    • 色情報を除去

👉 目的：学習の安定化・入力統一

② データ拡張（Data Augmentation）

色系

  • Brightness：明るさ
  • Contrast：明暗差
  • Saturation：色の濃さ
  • Hue：色味

幾何系

  • Rotation：回転
  • Flip：反転
  • Crop：切り出し

👉 目的：汎化性能向上・ロバスト性

③ CNN 構成要素

  • Convolution
    • 局所特徴抽出
  • Pooling
    • 空間情報の圧縮
  • Stride / Padding
    • 特徴マップサイズ調整
  • ReLU
    • 非線形性付与

👉 目的：特徴抽出と階層化

④ 画像タスク

  • Image Classification
    • 画像全体に1ラベル
  • Object Detection
    • 位置＋クラス
  • Semantic Segmentation
    • ピクセル単位分類
  • Instance Segmentation
    • 個体単位で分離

👉 目的：何を予測するかの違い

G検定ひっかけポイント

  • 処理カテゴリをまたいで混ぜてくる
  • よくある誤解：
    • ❌ Brightness = 回転
    • ❌ Pooling = データ拡張
    • ❌ Segmentation = 検出
  • 即断ルール：
    • 「色・形を変える」→ データ拡張
    • 「畳み込み」→ CNN
    • 「位置を出す」→ Detection
    • 「画素単位」→ Segmentation

まとめ（試験直前用）

  • 画像系は 段階で整理
  • 前処理／拡張／CNN／タスク
  • 色が変わる？形が変わる？
  • 出力はラベル？位置？画素？
  • 「どの段階の話か」で即切る

🔗 関連記事

🏠 G検トップに戻る