本稿では、セマンティックセグメンテーションの学習を支援するため、地域レベルで設計された対照学習フレームワーク「ReCo」を提案する。ReCoは、メモリ使用量の増加を最小限に抑えつつ、スパースなハードネガティブピクセルの集合に対して、半教師ありまたは教師ありのピクセルレベル対照学習を実行する。この手法は、既存のセグメンテーションネットワークをベースに構築されており、実装が容易である。ReCoは、半教師ありおよび教師ありのセマンティックセグメンテーション手法において一貫して性能向上をもたらし、滑らかなセグメンテーション境界と高速な収束を実現する。特にラベルが極めて少ない半教師あり学習において、最も顕著な効果が得られる。ReCoを用いることで、各セマンティッククラスについてわずか5例のラベルで高品質なセマンティックセグメンテーションモデルを構築可能となる。コードは https://github.com/lorenmt/reco にて公開されている。