問題 No.2172
自動運転システムにおいて、周囲の道路状況や障害物を高精度にピクセル単位で認識するため、異なるスケールの特徴量を集約するピラプーリングモジュールを導入したセマンティックセグメンテーションのニューラルネットワークアーキテクチャはどれか。
【正解の解説】
PSPNet
人間が遠くの景色を見る時、小さな標識から大きな道路全体まで同時に把握するように、画像全体の大まかな文脈と細部の両方をピラミッド状の領域分割で同時に捉える仕組みを持っています。自動運転のように車や歩行者をピクセル単位で正確に見分ける必要がある場面で非常に強力な威力を発揮するアーキテクチャです。
スポンサーリンク
【その他の選択肢の解説】
FCN
FCNはセマンティックセグメンテーションの扉を開いた偉大なモデルですが、大域的な文脈を捉える能力がPSPNetよりも弱く、遠くの物体を誤認しやすいという弱点があります。試験では「ピラミッドプーリングモジュール」というキーワードが隠されているかどうかが、PSPNetとFCNを見分けるための重要な決定打となります。
U-Net
U-Netはその名の通りアルファベットのUの字型をしており、解像度の復元に優れているため細胞や臓器の輪郭を高精度に抽出す能力に長けています。しかし、自動運転で求められるような多様なスケールのグローバルな文脈情報を集約するピラミッドプーリングモジュールは持っていないため、今回の問題の正解には該当しません。
DeepLab
DeepLabもPSPNetと同様にマルチスケールの処理が得意ですが、こちらは「アトラス空間ピラミッドプーリング（ASPP）」という空洞畳み込みをベースにした仕組みを採用しています。問題文にある「ピラミッドプーリングモジュール（Pyramid Pooling Module）」という固有の名称を狙った出題では、DeepLabではなくPSPNetを選ぶ必要があります。