大きさの異なる物体を検出するために、CNNの複数の層の特徴マップを使う手法がある。FPN（Feature Pyramid Network）に関する説明として、最も適切なものを1つ選べ。
正解と解説を見る
解説
正解 C
この問題の論点：FPNによるマルチスケール検出
ポイント
FPNはトップダウンの経路と横方向の接続で、深い層の意味的な情報をすべての解像度の特徴マップに行き渡らせます。
選択肢ごとの解説
- A
不適切
これは画像ピラミッドの考え方です。解像度ごとにCNNを通し直すため、計算量とメモリが大きくなります。FPNは1回の順伝播で得られる各層の特徴マップを使うため、追加の計算はわずかです。
- B
不適切
これはSSDに近いやり方です。浅い層の高解像度の特徴マップは、物体が何かを表す意味的な情報が弱く、小さい物体の検出精度が上がりにくいという課題がありました。FPNはこの課題に対処しています。
- C
適切 正解
FPNは、トップダウンの経路と横方向の接続で、意味的に強い深い層の情報を高解像度の特徴マップへ伝えます。どの解像度でも意味を捉えた特徴が得られ、Faster R-CNNなどに組み込むと小さい物体も検出しやすくなります。
- D
不適切
深い層の1枚だけを使う方法は高速ですが、解像度が低いため小さい物体の情報が失われやすくなります。FPN以前のFaster R-CNNも1枚の特徴マップから検出しており、FPNはこの弱点を補うために提案されました。
試験での狙われ方
複数の特徴マップを使う点ではSSDとFPNは共通です。深い層から浅い層へ情報を戻すかどうかで区別させる問い方が考えられます。