---
title: "DeepLab vs U-Net vs Mask R-CNN（役割比較）G検定対策"
description: "DeepLab vs U-Net vs Mask R-CNN（役割比較）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/segmentation-models-comparison/"
section: "gk"
---

## まず結論

* **DeepLab・U-Net・Mask R-CNN は「画像をどう分けるか」の役割が異なるモデル**です。
* G検定では、**セマンティック／インスタンスの違い**を理解しているかが問われます。

## 直感的な説明

* 画像を色分けすると考えると分かりやすいです。

* **DeepLab / U-Net**

  * 「これは道路」「これは人」など
  * **同じ種類はまとめて塗る**

* **Mask R-CNN**

  * 「この人A」「この人B」
  * **同じ種類でも個体ごとに分ける**

👉 **個体を区別するかどうか**が最大の違いです。

## 定義・仕組み

### DeepLab

* セマンティックセグメンテーションモデル
* CNNベース
* Atrous Convolution / ASPP が特徴

### U-Net

* セマンティックセグメンテーションモデル
* Encoder–Decoder 構造
* 医療画像で特に有名

### Mask R-CNN

* インスタンスセグメンテーションモデル
* Faster R-CNN を拡張
* 検出＋マスク推定を同時に行う

## いつ使う？（得意・不得意）

| モデル        | 得意な用途         | 不得意・注意点   |
| ---------- | ------------- | --------- |
| DeepLab    | 道路・空・建物など領域理解 | 個体の区別は不可  |
| U-Net      | 医療画像（臓器・腫瘍）   | 個体識別には不向き |
| Mask R-CNN | 人・車など個体検出     | 計算コストが高い  |

## G検定ひっかけポイント

* ❌ **DeepLabで人Aと人Bを区別できる** → 誤り
* ❌ **U-Netは物体検出モデル** → 誤り
* ⭕ **Mask R-CNNは個体ごとにマスクを出力** → 正しい

👉 選択肢で

* 「ピクセル単位でクラス分類」→ セマンティック系
* 「個体ごとに領域を分ける」→ Mask R-CNN

## まとめ（試験直前用）

* DeepLab / U-Net：セマンティックセグメンテーション
* Mask R-CNN：インスタンスセグメンテーション
* 個体を区別するかが判断基準
* 医療画像＝U-Net、一般画像＝DeepLab が頻出
* 個体検出＋マスク＝Mask R-CNN