物体検出のモデルは、候補領域を先に抽出してから各領域のクラスと位置を求める2段階型と、候補領域を抽出せずに画像全体から物体の位置とクラスを一度に予測する1段階型に大別される。次の（ア）〜（エ）を2段階型と1段階型に分けた組合せとして、最も適切なものを1つ選べ。（ア）Faster R-CNN（イ）YOLO（ウ）SSD（エ）Mask R-CNN
正解と解説を見る
解説
正解 A
この問題の論点：2段階型と1段階型の物体検出
ポイント
候補領域の抽出と分類を分けて行うのが2段階型、まとめて一度に行うのが1段階型です。1段階型は一般に処理が速く、リアルタイムの用途に向きます。
選択肢ごとの解説
- A
適切 正解
Faster R-CNNはRegion Proposal Network（RPN）で候補領域を出してから分類と矩形の補正を行い、Mask R-CNNもこの2段階の構成を受け継ぎます。YOLOとSSDは1つのネットワークで位置とクラスを直接予測します。
- B
不適切
SSDは解像度の異なる複数の特徴マップを使いますが、候補領域を抽出する段階はありません。あらかじめ決めた基準の矩形ごとに、位置のずれとクラスを直接予測する1段階型です。Mask R-CNNは2段階型です。
- C
不適切
Mask R-CNNはクラスや矩形と並列にマスクも出力しますが、それは2段階目の中での処理です。1段階目でRPNが候補領域を出す点はFaster R-CNNと同じなので、2段階型に分類されます。
- D
不適切
YOLOは画像をグリッドに分割し、各セルから矩形とクラスの確率を1回の推論でまとめて予測します。候補領域を別に抽出しないため1段階型で、処理の速さが特徴です。
試験での狙われ方
モデル名を並べて2段階型と1段階型に分けさせる形や、候補領域を抽出するかどうかで見分けさせる形が考えられます。
参考
- G検定 試験出題範囲（シラバス2024）第1.4版 （技術分野 項目26 画像認識）
- Ren, He, Girshick, Sun, Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks (2015)
- He, Gkioxari, Dollár, Girshick, Mask R-CNN (2017)
- Redmon, Divvala, Girshick, Farhadi, You Only Look Once: Unified, Real-Time Object Detection (2015)
- Liu et al., SSD: Single Shot MultiBox Detector (2015)