私たちは、畳み込み層をVGG 16層ネットから採用し、その上に学習する逆畳み込みネットワークを用いた新しい意味分割アルゴリズムを提案します。この逆畳み込みネットワークは、逆畳み込み層とアンプーリング層で構成されており、ピクセル単位のクラスラベルを特定し、セグメンテーションマスクを予測します。訓練されたネットワークを入力画像の各提案に適用し、すべての提案からの結果を単純な方法で組み合わせることにより、最終的な意味分割マップを作成します。提案するアルゴリズムは、完全畳み込みネットワークに基づく既存の手法の制限を緩和するために深層逆畳み込みネットワークと提案単位での予測を統合しており、一般的に詳細な構造を識別し、複数スケールの物体を取り扱うことが自然に行えます。私たちのネットワークはPASCAL VOC 2012データセットにおいて優れた性能を示しており、外部データを使用せずに訓練された手法の中で最高精度（72.5%）を達成しています。この翻訳では、専門的な技術用語や概念について正確に翻訳し、日語の表現習慣に合わせて流暢かつ正式な文章を作成しました。原文との内容の一貫性も保ちつつ、日本語読者にとって自然に理解できるように文章構造を最適化しています。