【G検定】U-Netとは？スキップ接続で医用画像を切り分けるU字型モデルを解説
2026年5月20日
U-Net（ユーネット）は、生物医学画像のセグメンテーションのために生まれた、U字型のエンコーダ・デコーダ構造を持つCNNです。この記事では、U-Netの代名詞である「スキップ接続」の役割と、少ないデータでも高性能を出せる理由を初心者向けに解説します。
【G検定】SSDとは？1ステージで位置とクラスを同時予測する物体検出手法を解説
2026年5月19日
SSD（Single Shot MultiBox Detector）は、1回のネットワーク処理で「物体がどこにあるか」と「それが何か」を同時に予測する物体検出手法です。この記事では、2段階の従来手法との違い、マルチスケール特徴マップとデフォルトボックスという2つの柱を初心者向けに解説します。
【G検定】SENetとは？チャネルの重要度を学ぶSEブロックの仕組みをわかりやすく解説
2026年5月19日
SENet（エスイーネット）は、CNNの特徴マップの「チャネルごとの重要度」を自動で学習して調整する、Squeeze-and-Excitation（SE）ブロックを導入した画像認識モデルです。この記事では、SEブロックの3ステップ（圧縮→重み計算→掛け合わせ）を順番に解説します。
【G検定】SegNetとは？プーリングインデックスで復元するセグメンテーションモデルを解説
2026年5月19日
SegNet（セグネット）は、画像の1ピクセルずつに「ここは道路」「ここは建物」とラベルを付けるセマンティックセグメンテーションのための代表的なモデルです。この記事では、エンコーダ・デコーダ構造と、SegNet最大の特徴である「プーリングインデックスの再利用」を初心者向けに解説します。
【G検定】PSPNetとは？ピラミッドプーリングで画像全体の文脈を捉える仕組みを解説
2026年5月19日
ピクセル単位で画像を塗り分けるセマンティックセグメンテーションでは、「そのピクセルの周りだけ」を見ていると誤答が生まれます。湖の上の白い領域はボートか建物か——答えは「湖の上にある」という画像全体の文脈が教えてくれます。この大域的な文脈を取り込む仕組み「ピラミッドプーリング」を核とするモデルがPSPNetです。