最終更新日:2026年10月19日
gk neural_network cnn
まず結論
SegNetは、セマンティックセグメンテーション向けのEncoder-Decoder型CNNです。
G検定では、次の1点が最重要です。
最大値プーリング時の位置(インデックス)を保存し、Decoderのアップサンプリングで再利用する
ここでは、保存した位置を使って値をどこへ戻すかを具体例で追います。モデル間の情報の受渡しはSegNetとU-Netの比較で確認できます。
直感的な説明
SegNetは、画像を小さくするときに
「この領域では、最大値はこの位置にあった」
という場所のメモを残します。
Decoderで画像サイズを戻すときは、そのメモを使って値を配置します。
位置のメモは、縮小前のすべての値を保存したものではありません。
定義・仕組み
SegNetは主に次の流れで処理します。
- Encoderで畳み込みを行う
- Max Poolingで特徴マップを縮小する
- 最大値があった位置のインデックスを保存する
- Decoderで保存したインデックスを使ってアップサンプリングする
- 畳み込みを行い、画素ごとのクラスを出力する
2×2の例で位置を戻す
1つのチャネルの小領域を考えます。
| 処理 | 値・情報 |
|---|---|
| Encoderの縮小前 | 上段が2・1、下段が4・3 |
| Max Poolingの出力 | 最大値4 |
| 保存するインデックス | 最大値があった「下段左」 |
| Decoderへ来た値の例 | 7 |
| インデックスによる配置 | 上段は0・0、下段は7・0 |
Decoderの7は手順を示す仮の値です。重要なのは、Encoderで保存した下段左という位置に、Decoder側の値を置くことです。その後、学習可能な畳み込みで密な特徴マップへ変換していきます。
元の2・1・4・3が完全に復元されるわけではありません。インデックスは「どこへ置くか」の情報であり、失われた全画素値を復活させる情報ではないためです。
いつ使う?(得意・不得意)
SegNetは、道路・建物・人物などを画素単位で分類するセマンティックセグメンテーションで使われるモデルです。
一方、次の用途とは区別します。
- 画像全体に1つのラベルを付ける → 画像分類
- 同じクラスの個体まで分ける → インスタンスセグメンテーション
- チャネルごとに重要度を調整する → SENet
G検定ひっかけポイント
SegNetとU-Net
- ❌ SegNetは特徴マップをスキップ接続で結合する
- ⭕ SegNetはプーリングインデックスを利用する
- ❌ 保存したインデックスだけで元の画素値が完全復元される
- ⭕ 配置先を復元に利用する仕組みであり、逆変換そのものではない
SegNetとSENet
名前は似ていますが別物です。
- SegNet → セマンティックセグメンテーション
- SENet → チャネル方向の重要度を調整するAttention系の仕組み
選択肢の判断基準
- 「最大値プーリングの位置を保存」→ SegNet
- 「特徴マップをスキップ接続」→ U-Net
- 「チャネルを重み付け」→ SENet
関連: U-Net / SegNetとU-Netの違い / セグメンテーション系まとめ
まとめ(試験直前用)
- SegNetはEncoder-Decoder型のセマンティックセグメンテーションモデル
- Max Poolingのインデックスを保存する
- Decoderでそのインデックスを使ってアップサンプリングする
- U-Netは特徴マップをスキップ接続で渡す
- 「位置ならSegNet、特徴マップならU-Net」で切る
参考資料(原論文)
- SegNet: A Deep Convolutional Encoder-Decoder Architecture for Image Segmentation|IEEE
- Badrinarayanan・Kendall・CipollaによるSegNetの原論文です。EncoderのMax Poolingで得たインデックスをDecoderのアップサンプリングに利用する構造を示しています。