問題 No.3741
ディープラーニングを用いた画像認識モデルであるSuperVisionに関する記述として、最も不適切なものを1つ選べ。
【正解の解説】
SuperVisionは、畳み込みニューラルネットワークではなく、完全結合層のみを多層に積み重ねることによって、画像内の画素同士の局所的な相関関係を効率的に学習するアーキテクチャである。
画像認識において、完全結合層だけを並べると膨大な重みパラメータが必要になり、画素の持つ局所的な位置関係（例えば「目と鼻の距離関係」など）をうまく捉えられません。そのため、空間的なつながりを効率的に抽出できる畳み込みニューラルネットワーク（CNN）を使うのが定石であり、この選択肢はその基本原則に真っ向から反する嘘の記述となっています。
スポンサーリンク
【その他の選択肢の解説】
SuperVisionは、物体検出やセグメンテーションなどのコンピュータビジョンタスクにおいて、事前学習済みモデルやデータセットを統合して効率的に扱うためのPythonライブラリである。
問題文のキーワードである「SuperVision」は、ディープラーニングモデルそのものではなく、物体検出やセグメンテーションの結果を視覚化したり、評価したりするための便利なユーティリティライブラリを指します。初学者はモデルの構造と開発を助ける周辺ツールの名前を混同しやすいため、こうした実務的なライブラリの存在を知っているかが問われます。
SuperVisionは、画像認識モデルの学習時に過学習を抑制するためのデータ拡張手法であり、入力画像の一部をランダムに矩形領域でマスキングする技術である。
ディープラーニングの過学習を防ぐために画像を一部隠すテクニックは、画像認識のコンペなどでよく使われますが、それはライブラリやモデルの名称ではなく、データ前処理の一手法です。名称の響きが似ている別の技術用語と混同させるための典型的な出題者の罠なので、用語の正確なカテゴリを把握しておく必要があります。
SuperVisionは、深層学習モデルの中間層における特徴量マップを可視化することで、ネットワークが画像内のどの領域に注目して予測を行ったかを解釈するための手法である。
AIが「画像のどこを見て犬だと判断したのか」をブラックボックスから解き明かす説明可能性（XAI）の技術であり、SuperVisionというライブラリの機能そのものや特定のネットワーク構造を指すものではありません。AIの解釈性に関する有名な別手法の説明をあえて混ぜることで、知識の曖昧さをつく巧妙なひっかけとなっています。