問題 No.3440
コンピュータビジョンにおける画像認識のタスクのうち、画像内のすべてのオブジェクトを検出し、さらに同一クラスに属する異なる個体同士を区別してピクセル単位で領域を塗り分ける高度なセグメンテーションタスクはどれか。
【正解の解説】
インスタンスセグメンテーション
道路にいる複数の人間を認識する際、単に「人間エリア」とひとまとめにするのではなく、「Aさん」「Bさん」と別人のように、トランプの同じ数字のカードでも裏の模様ではなく個別のカードを区別するように、個体ごとピクセル単位できっちり境界線を引いて識別する高精度な技術です。
スポンサーリンク
【その他の選択肢の解説】
セマンティックセグメンテーション
セマンティックセグメンテーションは「道路」「空」「人」といったクラス単位でピクセルを色分けしますが、例えば画像に5人写っている場合に全員を「人」という同じ色で塗りつぶすため、誰が誰かという個別の識別まではできない点がインスタンスセグメンテーションとの決定的な違いです。
パノラミックセグメンテーション
パノラミックセグメンテーションは、空や道路のような境界線がない背景領域と、人間や車のような個体のある領域の両方をピクセル単位で完全に網羅しますが、本問で問われている「同一クラス内の異なる個体同士を区別する」だけでなく背景まで全部を網羅する広範囲な概念であり、純粋に個体識別を指す場合はインスタンスセグメンテーションが適切です。
バウンディングボックス
バウンディングボックスは、人間や車などの対象物を「ここからここまで」と四角い枠（ボックス）で囲む検出方法であり、ピクセル単位で細かく領域を塗り分けるセグメンテーションとは異なり、輪郭に沿った正確な切り出しを行わないため、タスクの粒度が大きく異なる初学者が混同しやすい誤答としてよく出題されます。