Mask R-CNNは、Faster R-CNNを拡張し、物体検出と同時にピクセル単位のセグメンテーション（インスタンスセグメンテーション）を行うディープラーニングモデルです。画像内の個々のオブジェクトを正確な形状で切り分けることが可能です。
Mask R-CNNとは
一言でいうとMask R-CNNとは、物体の位置を矩形（バウンディングボックス）で囲むだけでなく、物体の輪郭に沿ったピクセル単位のマスクを高精度で予測する画像認識モデルです。
詳しく解説
Mask R-CNNは、物体検出の定番であるFaster R-CNNに、ピクセル単位でマスクを予測するFCN（Fully Convolutional Network）のブランチを追加した構造をしています。従来のFaster R-CNNでは領域抽出の際に生じるズレが問題となっていましたが、RoIAlignという仕組みを導入することでピクセル単位の正確な位置合わせが可能になりました。これにより、背景と対象オブジェクトを精密に分離できるようになり、コンピュータビジョンの分野で広く利用されるようになりました。
具体例・使われ方
自動運転システムにおける歩行者や他車両の精密な形状把握、医療画像解析における腫瘍や臓器の正確な領域抽出、製造ラインでの製品の欠陥検出や外観検査などで広く応用されています。
似た用語との違い
Faster R-CNNが物体の位置を四角形のバウンディングボックスで囲む「物体検出」を行うのに対し、Mask R-CNNはピクセルレベルの輪郭を抽出する「インスタンスセグメンテーション」を行います。また、セマンティックセグメンテーションが同じカテゴリの物体を区別しないのに対し、Mask R-CNNは個別のインスタンスを区別できる点が異なります。
注意点
ピクセル単位の処理を行うため、通常のバウンディングボックスを出力するモデルと比較して計算コストが高く、推論に時間がかかる傾向があります。そのため、リアルタイム性が求められるエッジデバイス等での動作には最適化やハードウェアの性能が必要です。