セマンティックセグメンテーションの特徴
問題
セマンティックセグメンテーションの特徴について、正しい記述を1つ選べ。
解説
セマンティックセグメンテーション(Semantic Segmentation)は、画像内のすべてのピクセルに対して、それがどのクラス(例:道路、車、人、空など)に属するかを分類するタスクです。
ただし「車」というクラスに分類された領域が複数あっても、それぞれが「別の車」であるという個体識別は行いません。
自動運転における走行可能領域の判定や、医療画像での病変部位の特定など、ピクセルレベルでの緻密な理解が求められるAI開発で重要となる技術です。
1. セマンティックセグメンテーションは同じ種類の物体を個別に識別する。
誤り:同じ種類の物体(例:2台の車)を個別の物体として区別するのは「インスタンスセグメンテーション」の役割です。セマンティックセグメンテーションではまとめて「車」の領域として扱います。
2. セマンティックセグメンテーションはピクセル単位で物体の種類を分類する。
正しい:画像内のすべてのピクセルに対し、あらかじめ定義されたクラスラベル(人、車、背景など)を割り当てるのがセマンティックセグメンテーションの特徴です。
3. セマンティックセグメンテーションは物体の位置のみを推定する。
誤り:物体の位置をバウンディングボックス等で推定するのは「物体検出」です。セマンティックセグメンテーションはピクセル単位の分類を行います。
4. セマンティックセグメンテーションは画像全体に1つのラベルを付ける。
誤り:画像全体に1つのラベルを付けるのは「物体識別(画像分類)」のタスクです。
📚 より詳細を学びたい方へ
同じカテゴリの問題
- tanh関数の理解
- 勾配消失問題と活性化関数の関係
- エポック(Epoch)とイテレーションの理解
- 鞍点(Saddle Point)の理解
- ストライド(stride)の理解
- BPTTの理解
- 位置エンコーディングの理解
- MixupおよびCutMixの理解
- 物体識別と物体検出の違い
- セマンティックセグメンテーションの特徴
- インスタンスセグメンテーションの理解
- パノプティックセグメンテーションの特徴
- 姿勢推定(Pose Estimation)の理解
- AlexNetの特徴
- GoogLeNet(Inception)の理解
- VGGの構造的特徴
- ResNetの残差学習の理解
- Wide ResNetの特徴
- DenseNetの密結合構造
- EfficientNetとMobileNetの理解
- NAS(ニューラルアーキテクチャ探索)の特徴
- MnasNetの探索戦略
- NASNetのセル構造
- SENet(Squeeze-and-Excitation Network)の理解
- Vision Transformer(ViT)の特徴
- Fast R-CNNの処理構造
- Faster R-CNNのRPN
- Mask R-CNNの追加機能
- SSD(Single Shot MultiBox Detector)の特徴
- YOLO(You Only Look Once)の特徴
- FPN(Feature Pyramid Network)の理解
- FCN(Fully Convolutional Network)の特徴
- OpenPoseとPart Affinity Fields
- BERTの事前学習タスク
- Bag-of-Words(BoW)の特徴
- word2vecの理解
- fastTextのサブワード学習
- CBOW(Continuous Bag-of-Words)の特徴
- skip-gramの特徴
- CEC(Constant Error Carousel)の役割
- ELMoの文脈化表現
- GPTモデルの学習方式
- PaLMの理解
- Seq2Seqモデルの構造
- TF-IDFの重要度計算
- 形態素解析の役割
- 構文解析の目的
- 感情分析の特徴
- 文書要約の種類
- A-D変換(アナログ-デジタル変換)のプロセス
- WaveNetの特徴
- 音韻の理解
- 音声認識の基本
- 音素の理解
- 隠れマルコフモデル(HMM)の特徴
- 高速フーリエ変換(FFT)の理解
- スペクトル包絡の特徴
- PCM(パルス符号変調)の理解
- MFCC(メル周波数ケプストラム係数)の特徴
- CTC(Connectionist Temporal Classification)の理解
- A3C(Asynchronous Advantage Actor-Critic)の特徴
- Agent57の特徴
- APE-Xの理解
- DQN(Deep Q-Network)の理解
- Double DQNの理解
- Dueling Networkの特徴
- PPO(Proximal Policy Optimization)の理解
- OpenAI Fiveの特徴
- AlphaStarの理解
- sim2realの課題
- ドメインランダマイゼーションの理解
- ノイジーネットワークの特徴
- 報酬成形(Reward Shaping)の理解
- GAN(敵対的生成ネットワーク)の理解
- DCGANの特徴
- Diffusion Modelの理解
- NeRF(Neural Radiance Fields)の特徴
- Pix2Pixの理解
- CycleGANの特徴
- StyleGANの理解
- データ生成タスクの応用
- 転移学習の基本概念
- ファインチューニングの特徴
- Few-shot / One-shot 学習の理解
- 自己教師あり学習の役割
- 破壊的忘却(Catastrophic Forgetting)
- 半教師あり学習の特徴
- マルチモーダルAIの基本理解
- CLIPの特徴理解
- DALL-Eの役割
- Visual Question Answeringの理解
- zero-shot推論の理解
- マルチタスク学習の特徴
- CAMの特徴に関する問題
- Grad-CAMの理解
- LIMEの特徴
- SHAPの特徴理解
- 知識蒸留の理解
- プルーニングの理解
- 量子化の理解
- 説明可能AI(XAI)の理解


