---
title: "インスタンスセグメンテーションとは？（物体検出・セマンティックとの違い）【G検定対策】"
description: "インスタンスセグメンテーション（物体検出・セマンティックとの違い）について、G検定で問われる画像認識・CNN分野の観点から、目的、前提、モデル構造、入力と出力、評価観点のどこが異なるかを比較します。暗記だけでなく、似た概念との混同を避ける見分け方や、選択肢を切るためのポイントも確認します。"
canonical_url: "https://stemtazoo.github.io/gk/instance-segmentation/"
section: "gk"
---

## まず結論

インスタンスセグメンテーション（Instance Segmentation）とは、**画像中の各物体を「種類」だけでなく「個体ごと」に分けて、領域（ピクセル単位）まで特定する手法**であり、G検定では「物体検出・セマンティックセグメンテーションとの違い」を正確に区別できるかが問われる。

## 直感的な説明

インスタンスセグメンテーションは、

> 同じクラスの物体が複数あっても、
> 「どれがどれか」を1つずつ塗り分ける

イメージです。

例えば画像に「人」が3人写っている場合：

* 人という**クラス**は同じ
* でも **Aさん・Bさん・Cさん** と個体は別

これを

* **1人ずつ別の領域として認識**

するのがインスタンスセグメンテーションです。

## 定義・仕組み

画像認識タスクの関係は次の通りです。

* **画像分類**：画像全体に1ラベル
* **物体検出**：物体の位置（バウンディングボックス）＋クラス
* **セマンティックセグメンテーション**：クラスごとにピクセル分類（個体の区別なし）
* **インスタンスセグメンテーション**：

  * クラス分類
  * 個体ごとの識別
  * ピクセル単位の領域分割

つまり、

> 検出 ＋ セグメンテーション

を同時に行うタスクです。

代表的なモデルとしては、

* Mask R-CNN

があります。

## いつ使う？（得意・不得意）

### 得意なケース

* 同じ物体が複数存在する画像
* 個体ごとの形状や面積が重要な場合
* 自動運転・医療画像・監視カメラ

### 注意点

* モデルが複雑
* 計算コストが高い
* 学習データのアノテーションが大変

## G検定ひっかけポイント

G検定では、**セマンティックセグメンテーションとの混同**が頻出です。

### よくある混同

* 個体を区別しないセグメンテーション → セマンティック
* バウンディングボックスだけ → 物体検出

### 正誤を切る判断基準

* **個体ごとに分ける？** → インスタンスセグメンテーション
* **クラスだけ分ける？** → セマンティックセグメンテーション
* **箱で囲むだけ？** → 物体検出

## まとめ（試験直前用）

* インスタンスセグメンテーションは個体識別＋領域分割
* 同じクラスでも別インスタンスとして扱う
* 物体検出・セマンティックとの違いが重要
* Mask R-CNNが代表例
* G検定では「個体を区別するか」で判断