---
title: "SegNet（セグメンテーションネットワーク）とは？【G検定対策】"
description: "SegNetを画像の各画素にクラスを割り当てるセマンティックセグメンテーションのモデルとして整理します。エンコーダ・デコーダ構造とG検定での識別ポイントを確認できます。本文では、基本定義、代表例、関連用語との違い、G検定で問われやすい観点まで短時間で復習できます。"
last_modified_at: "2026-05-15"
canonical_url: "https://stemtazoo.github.io/gk/segnet-2/"
section: "gk"
---

## まず結論
- **SegNet は、Encoder-Decoder 構造を使ったセマンティックセグメンテーション用 CNN**で、  
  **プーリング時のインデックスを保存して復元に使う**のが最大の特徴。
- G検定では **U-Net や FCN との違い（何を保存・利用しているか）**を問われる。

## 直感的な説明
- SegNet は「**縮小するときの場所メモ（どこを代表として残したか）を覚えておき、元のサイズに戻す**」モデル。
- 画像を小さくするとき（プーリング）に  
  👉「このブロックの代表はここだったよ」という **位置情報（インデックス）だけをメモ**  
  👉 復元するときは、その場所に値を戻す  
- **画像そのものをコピーして持ち歩かない**ので、メモリ節約型。

## 定義・仕組み
- SegNet は **Encoder-Decoder 型の CNN**によるセマンティックセグメンテーションモデル。
- Encoder：
  - CNN + Max Pooling で特徴を圧縮
  - **Pooling のインデックス（最大値の位置）を保存**
- Decoder：
  - 保存した **Pooling インデックスを使ってアップサンプリング**
  - 畳み込みで画素ごとのクラスを推定
- 特徴：
  - **Encoder の特徴マップを Decoder に直接コピーしない**
  - 代わりに **位置情報（インデックス）だけを使う**

## 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（道路・建物・人物など）
- メモリ制約が厳しい環境
- リアルタイム性を意識した用途

**不得意・注意**
- 細かい境界表現は U-Net より弱い場合あり
- Encoder の特徴量を直接使えないため、情報量は少なめ

## G検定ひっかけポイント
- **U-Net と SegNet を混同させてくる**のが超定番
- よくある誤解：
  - ❌「SegNet は Encoder の特徴マップを skip connection で渡す」
  - ⭕「SegNet は **プーリングインデックスのみ**を Decoder に渡す」
- 選択肢で注意する表現：
  - 「特徴マップを結合する」→ **U-Net**
  - 「Pooling の位置情報を利用」→ **SegNet**
- 判断基準：
  - **何を Decoder に渡しているか？**
    - 特徴量 → U-Net
    - インデックス → SegNet

## まとめ（試験直前用）
- SegNet = **プーリングインデックスを使う Encoder-Decoder 型 CNN**
- **特徴マップは渡さない**（これが最大の差）
- メモリ効率重視のセマンティックセグメンテーション
- G検定では **U-Net との違いを狙われる**
- 「位置情報だけ保存」＝ SegNet
-