セマンティックセグメンテーションのモデルであるFCN（Fully Convolutional Network）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D
ポイント
FCNは全結合層を畳み込み層に置き換え、画素ごとのクラスを出力できるようにした、セグメンテーションの基礎となるモデルです。
選択肢ごとの解説
- A
適切
全結合層は、入力全体を覆う大きさのフィルタをもつ畳み込み層とみなせます。こう置き換えると入力の大きさが固定されなくなり、出力も位置の情報を保った特徴マップになります。
- B
適切
プーリングを重ねた深い層の出力は入力より小さく粗いため、ネットワーク内の逆畳み込み（転置畳み込み）で入力と同じ大きさに拡大します。途中の拡大のフィルタは双線形補間で初期化し、学習で調整します。
- C
適切
最も深い層の予測だけでは境界が粗くなります。FCNは浅い層からも予測を作って深い層の予測に足し合わせ、意味の情報と細かい位置の情報を組み合わせました。
- D
不適切 ◯ 正解
これはU-Netの説明です。U-NetはFCNの考え方をもとに、医療画像向けに左右対称のU字型の構造と、同じ解像度の特徴マップの連結を取り入れました。FCNは一般的な画像のデータセットで評価されたモデルです。
試験での狙われ方
FCNと、U-NetやSegNetなどの後続モデルの違い（全結合層の有無、拡大の方法、特徴の組み合わせ方）を問う形が考えられます。
関連用語
FCN（Fully Convolutional Network）、セマンティックセグメンテーション、U-Net
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31日閲覧
- Long, Shelhamer, Darrell, Fully Convolutional Networks for Semantic Segmentation (2014) 2026年10月31日閲覧
- Ronneberger, Fischer, Brox, U-Net: Convolutional Networks for Biomedical Image Segmentation (2015) 2026年10月31日閲覧