U-Net（セマンティックセグメンテーション）は重要ポイントを整理して理解するための用語です。この記事では仕組み・役割・使いどころを押さえ、G検定で問われる判断ポイントとひっかけポイントを解説します。

gk neural_network cnn

G検定トップ ＞ U-Net（セマンティックセグメンテーション）

まず結論

U-Net は「セマンティックセグメンテーション向けのエンコーダ・デコーダ型 CNN」で、 エンコーダ側の特徴マップをデコーダ側に直接渡す「スキップ接続」が最大の特徴です。

SegNet が「最大値プーリングの位置を記憶する」のに対し、 U-Net は「特徴マップそのものを渡す」点が決定的な違いです。

直感的な説明

U-Net は名前の通り U 字型 の構造をしています。

  • 左側：画像をだんだん小さくして特徴を抽出（エンコーダ）
  • 右側：特徴を元の解像度に戻しながら分類（デコーダ）

このとき、

👉 小さくする前の情報を、そのまま右側にワープさせる

のが U-Net の発想です。

これにより、

  • 位置情報が失われにくい
  • 境界がくっきりしたセグメンテーション

が可能になります。

定義・仕組み

U-Net の構造的特徴は次の通りです。

  • セマンティックセグメンテーションに利用
  • エンコーダ・デコーダ構造
  • エンコーダで畳み込み＋プーリング
  • デコーダでアップサンプリング
  • 対応する層同士をスキップ接続で結合

重要なのは、

⭕ 特徴マップを コピーして結合 する ❌ プーリング位置だけを記憶するわけではない

という点です。

いつ使う？（得意・不得意）

得意なこと

  • 医療画像（臓器・腫瘍など）のセグメンテーション
  • 少量データでも高精度を出したい場合
  • 物体の輪郭を正確に分割したいタスク

不得意なこと

  • 非常に大規模な画像・高計算量タスク
  • Transformer ベースのグローバル文脈理解

G検定ひっかけポイント

① SegNet との違い

ここは 最頻出ポイント です。

  • SegNet：最大値プーリングの「位置」を保存
  • U-Net：エンコーダの「特徴マップ」をスキップ接続

👉 「位置を記憶」→ SegNet 👉 「特徴を直接渡す」→ U-Net

② Encoder-Decoder と書いてあっても即決しない

Encoder-Decoder は

  • SegNet
  • U-Net
  • FCN

すべてに共通します。

👉 違いは“何をデコーダに渡すか”

ここを見抜くのが G検定の狙いです。

③ Attention と混同しない

  • Attention：重要度の重み付け
  • U-Net：構造的な情報のショートカット

👉 「注意」「重み」「重要度」という言葉が出たら U-Net ではない

まとめ（試験直前用）

  • U-Net は セマンティックセグメンテーション用 CNN
  • エンコーダ・デコーダ構造を持つ
  • スキップ接続で特徴マップを直接渡す
  • SegNet の「プーリング位置保存」との違いを即答できるようにする

👉 「特徴マップをそのまま渡す」＝ U-Net

🔗 関連記事

🏠 G検トップに戻る