ある小売企業が、店内カメラの画像から物体検出のモデルで来店客を検出し、人数を数えている。1人の客に対して位置が少しずつずれた矩形が複数出力され、人数が実際より多く数えられることがわかった。各矩形には、物体らしさを表す信頼度スコアが付いている。この問題への対処として、最も適切なものを1つ選べ。
正解と解説を見る
解説
正解 A
この問題の論点：重複した検出結果の除去
ポイント
物体検出では、同じ物体への重複した矩形を非最大値抑制（NMS）でスコア最高の1つにまとめる後処理を行います。
選択肢ごとの解説
- A
適切 正解
非最大値抑制（NMS）と呼ばれる後処理です。同じ物体を指す矩形どうしはIoUが大きいため、スコアが最も高い1つだけが残ります。YOLOやSSDなど、多くの検出モデルで使われています。
- B
不適切
しきい値を下げると、スコアの低い矩形まで残るため重複はむしろ増えます。スコアのしきい値の調整だけでは、同じ人を指す複数の矩形を1つにまとめられません。
- C
不適切
重複した矩形をすべて消すと、その客を表す正しい矩形まで消えてしまいます。近くに立つ別々の客の矩形も重なるため、数え漏れも増えます。NMSはスコア最高の矩形を残す点が異なります。
- D
不適切
セマンティックセグメンテーションは同じクラスの物体を区別しないため、接して立つ客は1つの領域にまとまります。画素の数は人が写る面積を表すだけで、人数にはなりません。
補足
NMSのIoUのしきい値を下げすぎると、近くに立つ別々の客の矩形まで取り除かれ、数え漏れが起きます。上げすぎると、同じ客への重複が残ります。混雑した売り場では、このしきい値の設定が人数の精度を左右します。
試験での狙われ方
物体検出の出力から重複を取り除く後処理の名前と手順を、具体的な場面に当てはめて問う形が考えられます。