問題 No.2203
ディープラーニングを用いた画像認識タスクの一つであり、画像全体に対して単一のラベルを付与するのではなく、ピクセル単位でクラス分類を行うセマンティックセグメンテーションに関する記述として、適切なものはどれか。
【正解の解説】
同じクラスに属する複数個体を個別に識別せず、画素レベルで同一の領域として一括して分類する
例えば、複数の羊が群れている画像を見たときに、個々の羊を区別するのではなく、画面全体の中から「羊のエリア」と「草木のエリア」を塗り絵のようにべた塗りで領域分けするイメージです。個体識別はせず、あくまでピクセルごとのカテゴリ分けを行います。
スポンサーリンク
【その他の選択肢の解説】
背景と前景の境界線を検出することに特化しており、個々の被写体の輪郭をベクトルデータとして正確に抽出する
セマンティックセグメンテーションは塗り絵のようにピクセルを分類する技術ですが、選択肢Bのように輪郭線をベクトルデータとして抽出する処理は、CADやイラスト作成ソフトなどで使われるベクター化や別の画像処理の領域です。
同じクラスに属する複数個体をそれぞれ異なるIDを持つ別個の領域として認識し、画素単位で識別して分類する
同じクラスに属する複数個体をそれぞれ別のIDで識別するのは「インスタンスセグメンテーション」という発展形のタスクです。例えば「3匹の猫をそれぞれ猫A、猫B、猫Cと個別に分けたい場合」に使われ、単なるセマンティックセグメンテーションとは区別されます。
画像内のすべてのオブジェクトを高精度に検出した上で、バウンディングボックスを用いて位置と大きさを同時に推定する
バウンディングボックスと呼ばれる四角い枠で位置や大きさを推定するのは「物体検出（オブジェクト検出）」の役割です。ピクセル単位で形に沿って細かく分類するセマンティックセグメンテーションとは、出力の形式や目的が大きく異なります。