⑤ ディープラーニングの応用例 ／ 26. 画像認識
SegNetとは
SegNetとは、デコーダ側でプーリング時の位置情報を再利用することで、物体境界を鮮明に再現するセグメンテーションモデルです。
この用語はG検定シラバスの「26. 画像認識」に含まれます。 章全体の用語は用語解説⑤（全133語）にまとまっています。
一言でいうと
プーリングでどこの値を選んだかを覚えておき、復元時に活かすモデルです。
位置を記憶するという発想
最大値プーリングでは、領域内の最大値だけを残し「どこの値だったか」は捨てられます。
SegNetはこの位置（インデックス）を記憶しておき、復元時に元の位置へ値を戻します。これにより境界がぼやけにくくなります。
UNetとの違い
| モデル | デコーダへ渡すもの |
|---|---|
| SegNet | プーリングの位置情報のみ（軽量） |
| UNet | 特徴マップそのもの（情報量は多いが重い） |
SegNetはメモリ効率に優れる点が利点です。用途に応じて選ばれます。
用途による選択
車載機器や組み込みシステムのようにメモリが限られる環境ではSegNetの軽さが利点になります。
精度を最優先するならUNet、メモリ効率を重視するならSegNet——制約に応じて選ぶのが実務的な考え方です。
混同しやすい用語との違い
| 用語 | ポイント |
|---|---|
| SegNet | プーリングの位置情報のみを渡す。メモリ効率が良い |
| UNet | 特徴マップそのものを渡す。情報量が多い |
🎯 G検定での押さえどころ
- プーリング時の位置情報を記憶して復元に使う
- 物体境界が鮮明になる
- UNet（特徴マップを渡す）との違い
⚠️ よくある誤りの選択肢
- 「SegNetは特徴マップ全体をデコーダへ渡す」→ 誤り。位置情報のみです
📘 もっと深く学ぶ
- 数式レベルまで踏み込んだ解説 → 医療AIナビ「FCN・U-Net」（E資格向け）
関連する用語
ご利用にあたって 本ページの内容は、JDLAが公開しているG検定シラバス2024や公式テキストなど、一般に公開されている情報をもとに独自に整理・解説したものです。実際の試験の出題内容を示すものではなく、また合格を保証するものでもありません。制度・法令・試験要項は変更されることがあるため、最新の情報は必ずJDLA公式サイトでご確認ください。