---
title: "PSPNet（ピラミッドシーンパースネットワーク）とは？G検定対策"
description: "PSPNet（ピラミッドシーンパースネットワーク）について、G検定で問われるAI・機械学習分野の観点から、基本的な意味、代表モデル・手法との関係、試験で問われやすい判断軸を整理します。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/pspnet/"
section: "gk"
---

## まず結論

* **PSPNet（Pyramid Scene Parsing Network）**は、画像全体の文脈情報を取り入れることで高精度な**セマンティックセグメンテーション**を実現するCNNモデル。
* G検定では「**Pyramid Pooling Moduleを持つ**」「**セマンティックセグメンテーション**」が判断ポイントとして問われる。

## 直感的な説明

* 画像を認識するとき、**細かい部分だけでなく全体の状況**も分かっていないと誤認識が起きる。
* PSPNetは、

  * 近くを見る（細部）
  * 少し引いて見る（中規模）
  * かなり引いて見る（全体）
    という**複数スケールの視点**を同時に使って判断するモデル。
* 人が「森を見てから木を見る」感覚に近い。

## 定義・仕組み

* PSPNetは、

  * **Encoder-Decoder型のCNN** をベースに
  * **Pyramid Pooling Module（PPM）** を中間層に組み込んだ構造

### Pyramid Pooling Module（PPM）

* 特徴マップに対して、

  * グローバルプーリング
  * 複数サイズの領域プーリング
    を行い、それらを結合する。
* これにより、**画像全体の文脈情報（Scene Context）**を特徴量に反映できる。

👉 **G検定では「Pyramid Pooling Module ＝ PSPNet」と即座に結びつける**のが重要。

## いつ使う？（得意・不得意）

### 得意

* セマンティックセグメンテーション
* 大規模なシーン理解（道路、建物、空、背景など）
* 物体の大きさが多様な画像

### 不得意・注意点

* 個々の物体を区別する**インスタンスセグメンテーション**には不向き
* 計算コストが比較的高い

## G検定ひっかけポイント

* ❌ **PSPNetはインスタンスセグメンテーション**
* ❌ **SegNetとPyramid Pooling Moduleを混同**
* ❌ **U-Netと同じ構造だと思う**

### 正しい判断基準

* **Pyramid Pooling Module → PSPNet**
* **画素ごとにクラス分類 → セマンティックセグメンテーション**
* **個体識別はしない → インスタンスではない**

## まとめ（試験直前用）

* PSPNetはセマンティックセグメンテーションのCNN
* Pyramid Pooling Moduleで全体文脈を取り込む
* インスタンスセグメンテーションではない
* 「PSPNet × セマンティック × PPM」のセットで覚える
*