Mask R-CNNに関する説明として、最も不適切なものを1つ選べ。
1つ選んでください
正解と解説を見る
解説
正解B
ポイント
Mask R-CNNは、座標を丸めないRoIAlignで候補領域の特徴を取り出し、物体ごとのマスクを画素単位で予測します。
選択肢ごとの解説
- A
適切
Mask R-CNNは、Faster R-CNNのクラス分類と矩形の位置の回帰に加えて、候補領域ごとにマスクを出力する分岐を並列に設けました。土台の検出の仕組みはそのままなので、追加の計算は小さく抑えられています。
- B
不適切 ◯ 正解
Mask R-CNNは、座標を丸めずに補間で特徴の値を求めるRoIAlignに置き換えました。丸めによる小さな位置ずれは、矩形の検出では影響が小さくても、画素単位のマスクでは精度の低下につながるためです。
- C
適切
物体ごとに領域を分けて出力するので、インスタンスセグメンテーションの代表的なモデルとされます。画素ごとにクラスだけを割り当てるセマンティックセグメンテーションでは、同じクラスの物体どうしは区別されません。
- D
適切
候補領域ごとに、関節の位置を表すマップを予測させると、人の姿勢推定に使えます。人を検出してから1人ずつ関節を推定するため、トップダウン型の方法にあたります。
試験での狙われ方
Mask R-CNNは、土台のFaster R-CNNとの関係、RoIAlign、出力が物体ごとのマスクである点を組み合わせて問われやすいモデルです。
関連用語
Mask R-CNN、Faster R-CNN、インスタンス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、姿勢推定
参考
- G検定 試験出題範囲（シラバス2024）第1.4版 （技術分野 項目26 画像認識） 2026年10月30日閲覧
- He et al., Mask R-CNN (2017) 2026年10月30日閲覧