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）とは、画像の各ピクセルに対してクラスラベルを付与する技術です。画像全体をピクセル単位で「空」「道路」「建物」「人」などのカテゴリに分類し、画像の意味的な領域分割を実現します。物体の大まかな位置を示すバウンディングボックスよりも、はるかに精密な認識が可能です。
主なアーキテクチャ
セマンティックセグメンテーションの代表的なモデルとしては、FCN（Fully Convolutional Network）、U-Net、DeepLabシリーズ、SegNetなどがあります。これらのモデルは、エンコーダ・デコーダ構造を採用し、画像から特徴を抽出した後に元の解像度まで復元することで、ピクセル単位の予測を行います。特にDeepLabはAtrous Convolution（Dilated Convolution）を活用し、受容野を広げることで高精度なセグメンテーションを実現しています。
応用と課題
セマンティックセグメンテーションは自動運転における路面や車線の認識、医療画像における臓器や病変の領域分割、ロボットの環境理解、衛星画像解析などに広く利用されています。ただし、同じクラスの複数の物体を区別できないという限界があり、この課題を解決するためにインスタンスセグメンテーションやパノプティックセグメンテーションが開発されました。