Mask R-CNN（インスタンスセグメンテーション）はG検定対策を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 neural_network

G検定トップ ＞ Mask R-CNN（インスタンスセグメンテーション）とは？G検定対策

まず結論

  • Mask R-CNN とは、「物体検出（位置・クラス）」に加えてピクセル単位のマスク（形状）まで出力できるモデルである
  • G検定では Faster R-CNNとの違い や セマンティックセグメンテーションとの区別 がよく問われる

直感的な説明

  • Faster R-CNNは「ここに人がいる（四角で囲む）」まで
  • Mask R-CNNは「このピクセル全部がこの人（切り抜き）」まで分かる

例えるなら：

  • Faster R-CNN：写真の中の人を「赤枠」で囲む
  • Mask R-CNN：その人を「背景から切り抜く」

G検定では
「枠だけか？ピクセル単位か？」を意識すると整理しやすい。

定義・仕組み

  • Mask R-CNN は Faster R-CNN を拡張したモデル
  • 構成は次の3つの出力を同時に行う
  1. Bounding Box（位置）
  2. Class（クラス分類）
  3. Mask（ピクセル単位の領域）

技術的なポイント：

  • Faster R-CNN の RoI Pooling を RoI Align に置き換え
  • 位置ずれを減らし、マスクの精度を向上させている

※ 数式は不要。
G検定では「RoI Align が Mask R-CNN の特徴」と分かれば十分。

いつ使う？（得意・不得意）

得意

  • 人・車・物体の正確な形状が必要なタスク
  • 医療画像、画像編集、精密な物体認識
  • インスタンスセグメンテーション

不得意

  • リアルタイム性が最重要な場面
    （YOLO などの1段階検出の方が速い）
  • 単に「何があるか分かればよい」タスク

G検定ひっかけポイント

よくある混同

  • ❌ セマンティックセグメンテーション
    → 同じクラスを区別できない
  • ✅ インスタンスセグメンテーション（Mask R-CNN）
    → 同じクラスでも個体ごとに分ける

Faster R-CNN との違い

  • Faster R-CNN：
    • 位置（Box）＋クラス
  • Mask R-CNN：
    • 位置＋クラス＋マスク

選択肢の判断基準

  • 「ピクセル単位」「マスクを出力」
    → Mask R-CNN
  • 「高速」「リアルタイム」
    → YOLO 系
  • 「領域全体をクラス分け」
    → セマンティックセグメンテーション

まとめ（試験直前用）

  • Mask R-CNN＝検出＋切り抜き
  • Faster R-CNN に マスク分岐を追加
  • RoI Align が重要キーワード
  • セマンティックセグメンテーションとは別物
  • 「ピクセル単位で個体を区別」できたら Mask R-CNN

🔗 関連記事

🏠 G検トップに戻る