SegNetとは
SegNet（セグネット）とは、2015年にケンブリッジ大学のVijay Badrinarayananらによって提案されたセマンティックセグメンテーション用のディープラーニングモデルです。エンコーダ・デコーダ構造を採用し、メモリ効率と計算効率に優れた設計が特徴です。
SegNetのアーキテクチャ
SegNetのエンコーダはVGG16のConvolutional層と同じ構造を持ち、畳み込み・バッチ正規化・ReLU・Max Poolingの繰り返しで特徴を抽出します。デコーダはエンコーダの各層に対応する対称構造を持ちます。SegNetの最大の特徴は、Max Pooling時のインデックス情報（どの位置の値が最大だったか）を保存し、デコーダのアップサンプリング時にこのインデックスを使って非線形のアップサンプリングを行うことです。これにより、転置畳み込みのような学習可能なパラメータを追加せずに、効率的に解像度を復元できます。
SegNetの意義と応用
SegNetはメモリ使用量が少なく、エッジデバイスでの推論にも適しています。道路シーンのセグメンテーション、屋内環境の理解、医療画像解析など、リソースに制約がある環境でのセグメンテーションに適しています。DeepLabなどの後発モデルに精度では及ばないものの、エンコーダ・デコーダ構造とプーリングインデックスの利用という設計思想は、U-Netなど多くのセグメンテーションモデルに影響を与えました。