セマンティックセグメンテーション せまんてぃっくせぐめんてーしょん

---

セマンティックセグメンテーションとは

セマンティックセグメンテーション（Semantic Segmentation） は、画像の全ピクセルに対してクラスラベル（「道路」「空」「人」「車」など）を割り当てるコンピュータービジョンのタスクです。インスタンスセグメンテーションと異なり、同じクラスの複数の物体を個別に区別せず、「人クラスのピクセル群」として一括して扱います。

代表的なアーキテクチャはFCN（Fully Convolutional Network） で、全結合層を畳み込み層に置き換えることで任意サイズの画像に対して密なピクセル単位の予測を可能にしました。U-Netはエンコーダ-デコーダ構造とスキップ接続を使い、医療画像での高精度セグメンテーションで広く使われています。

自動運転（走行可能領域の把握）・医療画像（臓器・病変の分割）・衛星画像解析（農地・建物の抽出）・製造業（品質検査）など、精密な空間理解が必要な多くの分野で活用されています。

---

主要なアーキテクチャ

モデル	年	特徴
FCN	2015	全畳み込み化でピクセル単位の予測を実現
SegNet	2015	エンコーダ-デコーダ構造
U-Net	2015	スキップ接続で細部を保持。医療画像の定番
DeepLab v3+	2018	Atrous Convolution・CRFで精度向上
SegFormer	2021	Transformerベースの高精度モデル
SAM	2023	Meta製の汎用セグメンテーション

# U-Netのエンコーダ-デコーダ構造（概略）
class UNet(nn.Module):
    def __init__(self, num_classes):
        super().__init__()
        # エンコーダ（ダウンサンプリング）
        self.enc1 = ConvBlock(3, 64)
        self.enc2 = ConvBlock(64, 128)
        # ボトルネック
        self.bottleneck = ConvBlock(128, 256)
        # デコーダ（アップサンプリング）+ スキップ接続
        self.dec2 = ConvBlock(256 + 128, 128)  # スキップ接続で連結
        self.dec1 = ConvBlock(128 + 64, 64)
        # 出力
        self.out = nn.Conv2d(64, num_classes, kernel_size=1)

---

歴史と背景

• 2015年：FCN・U-Net・SegNetが相次いで発表。ディープラーニングによるセグメンテーションが実用化
• 2016〜2018年：DeepLabシリーズがAtrous Convolutionで精度を大幅向上
• 2021年：SegFormerがTransformerベースで新たなSOTAを達成
• 2023年：Meta SAMが任意物体の汎用セグメンテーションを実現

---

活用シーンと必要なラベル数

分野	典型的なクラス数	精度要求
自動運転	19〜30クラス	非常に高い（安全要件）
医療画像	1〜10クラス	非常に高い（臨床精度）
衛星画像	5〜20クラス	高い
一般物体認識	150クラス以上	中〜高い

---

関連用語

• インスタンスセグメンテーション — 個体を区別するセグメンテーション
• スキップ接続 — U-Netで使われるセグメンテーションの重要技術
• コンピュータービジョン — セマンティックセグメンテーションが属する分野
• 深度推定 — セグメンテーションと組み合わせる3D理解タスク