AIによる画像認識技術は、単に「画像に何が写っているか」を判断する段階から、「画像のどこに何が存在するのか」を細かく理解する段階へ進化しています。
その進化を大きく後押しした技術の一つが「FCN（Fully Convolutional Network）」です。
FCNは、従来の画像分類モデルの構造を大きく変え、「画素単位」で画像を認識できるようにした画期的な深層学習モデルとして知られています。
本記事では、FCNの基本的な仕組みや従来のCNNとの違い、セマンティックセグメンテーションとの関係、実際の活用事例までわかりやすく解説します。
FCN（Fully Convolutional Network）とは
FCN（Fully Convolutional Network）とは、画像認識に用いられるニューラルネットワークの一種で、全結合層（Fully Connected Layer）を取り除き、畳み込み層のみで構成されたモデルです。
従来の画像分類モデルは、「猫」「犬」といった画像全体の分類を目的としていました。
しかしFCNは、画像全体ではなく、各画素（ピクセル）ごとに何が存在するかを判断します。
つまり、「何が写っているか」だけでなく、「それが画像のどこに、どのような形で存在しているか」まで認識できるようになりました。
この技術は、後にセマンティックセグメンテーションの発展に大きな影響を与えています。
従来のCNNとの違い
FCNを理解するために、まず一般的なCNN（畳み込みニューラルネットワーク）の仕組みを見てみましょう。
一般的な画像分類モデルは次の流れで処理します。
- 畳み込み層で特徴を抽出
- プーリングで情報を圧縮
- 全結合層で分類結果を出力
例えば猫の画像なら、「この画像は猫です」という最終結果だけを出力します。
しかし、この方法には課題があります。
画像内のどこに猫がいるのかまでは分からないからです。
FCNが従来モデルと異なるポイント
FCNでは、終盤にある全結合層を削除し、「1×1畳み込み」を利用します。
その結果、画像内の位置情報を保持したまま処理が可能になります。
主な特徴は以下です。
- 全結合層を使用しない
- 入力画像サイズの自由度が高い
- 空間情報を維持できる
- 画素単位で予測可能
特に画像の位置情報を保持できる点が、従来のCNNとの大きな違いです。
FCNの仕組み
FCNは大きく2つの処理で構成されています。
① 特徴抽出（エンコード）
前半部分では通常のCNNと同様に畳み込み処理を行います。
ここでは以下のような特徴を抽出します。
- エッジ（輪郭）
- 色の変化
- 模様
- 形状情報
ただし処理が進むにつれて、画像サイズは徐々に小さくなります。
例えば、
入力画像：512×512
↓
特徴マップ：32×32
のように圧縮されます。
しかし、このままでは元画像の細かな位置情報が失われてしまいます。
② アップサンプリング（復元処理）
そこでFCNでは「アップサンプリング」という処理を行います。
アップサンプリングとは、小さくなった特徴マップを元の画像サイズまで拡大する処理です。
例えば：
32×32
↓
512×512
へ復元します。
これによって各画素に対し、
- 人
- 車
- 空
- 建物
- 道路
といったラベルを割り当てられるようになります。
なぜ1×1畳み込みが重要なのか
FCNの特徴としてよく挙げられるのが「1×1畳み込み」です。
通常の畳み込みは周囲の情報をまとめて処理しますが、1×1畳み込みは各位置の特徴情報を整理・変換する役割を持ちます。
メリットは次の通りです。
計算量を抑えられる
余分なパラメータを削減できるため、効率的に学習できます。
クラスごとのスコアを出力できる
各画素がどのカテゴリに属するかを判断できます。
セマンティックセグメンテーションに適した構造と言えます。
セマンティックセグメンテーションとの関係
FCNはセマンティックセグメンテーションを実用レベルへ押し上げた代表的な技術です。
セマンティックセグメンテーションとは、画像中のすべての画素をカテゴリ分けする技術です。
例えば街の風景なら、
- 空
- 道路
- 建物
- 人
- 車
をピクセル単位で分類します。
従来の画像認識では難しかった「物体の輪郭レベルの理解」を可能にしました。
FCNの活用事例
FCNは現在も多くの分野で利用されています。
自動運転
自動車が周囲環境を正確に理解するために利用されています。
認識対象：
- 車線
- 道路
- 歩行者
- 標識
- 他車両
安全な走行判断につながります。
医療画像解析
医療分野では病変領域の抽出に活用されています。
例：
- CT画像
- MRI画像
- 腫瘍検出
- 臓器領域抽出
微細な構造の検出が重要な医療分野では特に有効です。
衛星画像解析
衛星画像から土地利用状況を判別できます。
例えば：
- 森林
- 河川
- 都市部
- 農地
災害分析や都市計画にも利用されています。
FCN以降の発展モデル
FCNは革新的でしたが、境界認識の精度などには課題もありました。
その後、改良モデルが登場しています。
代表例：
- U-Net
- SegNet
- DeepLab
- PSPNet
特にU-Netは医療分野、DeepLabは自動運転分野で広く利用されています。
現在の多くのセグメンテーション技術は、FCNの考え方をベースに発展しています。
まとめ
FCN（Fully Convolutional Network）は、全結合層を廃止し、畳み込み処理のみで画像認識を行う革新的な深層学習モデルです。
従来の画像分類モデルとの大きな違いは、画素単位での予測が可能になった点です。
FCNの特徴を整理すると以下の通りです。
- 全結合層を使わない
- アップサンプリングで画像を復元する
- セマンティックセグメンテーションを実現する
- 自動運転や医療などで幅広く利用される
FCNの登場は、「画像に何があるか」から「画像のどこに何があるか」を理解する時代への転換点になりました。
現在の高度な画像認識技術の基礎を支える重要なモデルとして、今後も理解しておきたい技術の一つです。
こちらもご覧ください：パノプティックセグメンテーションとは？AI画像認識の次世代技術をわかりやすく解説
