---
title: "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"
description: "Mask R-CNN（インスタンスセグメンテーション）について、G検定で問われる画像認識・CNN分野の観点から、画像タスクでの役割、特徴抽出の流れ、代表モデルとの関係を整理します。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/mask-r-cnn/"
section: "gk"
---

## 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