Anchor Box / Default Box / RPN

G検定トップ＞ Anchor Box / Default Box / RPN

まず結論

Anchor Box（Default Box）：物体検出で使う「最初から用意しておく四角のひな形（基準の箱）」。
RPN（Region Proposal Network）：「物体がありそうな候補領域」をネットワークで作る仕組み。

👉 G検定では、 SSD/YOLOは1段階（高速）、Faster R-CNNは2段階（精度）の前提の上で、

SSDは Default Box（＝Anchor）
Faster R-CNNは RPN

を結びつけて選択肢を切るのが最重要です。

直感的な説明

Anchor / Default Box（ひな形の四角）

画像の上に、最初から

小さい四角
大きい四角
横長・縦長の四角

を大量に置いておくイメージです。

🔍「この辺に物体があるかも？」と探すとき、ゼロから四角を描くのではなく、 用意済みの四角を“ちょい修正”して当てにいく感じです。

RPN（候補領域を作る係）

Faster R-CNNはまず、

物体がありそうな場所だけを先に集める

という段階があります。この「候補を集める担当」が RPN です。

定義・仕組み

Anchor Box / Default Box

Anchor Box：画像上の各位置にあらかじめ配置する「基準のバウンディングボックス」
Default Box： SSDでの呼び名（意味はほぼ同じ）

モデルは、各Anchorに対して

物体らしさ（ある/なし）
クラス
四角の補正量（位置・大きさのズレ）

を予測します。

👉 ポイントは、四角を“生成”というより“補正”して作ることです。

RPN（Region Proposal Network）

RPNは、Faster R-CNNの第1段階で

「物体がありそうな領域（Region Proposal）」を出す

ための小さなネットワークです。

流れとしては

画像から特徴マップを作る
RPNが「候補領域」を提案
その候補を第2段階で分類・位置補正

👉 RPNがある＝2段階（Faster R-CNN）で切れます。

いつ使う？（得意・不得意）

Anchor / Default Boxが活きる場面

SSD系の高速検出
位置とクラスを一気に出す（1段階）

ただし

Anchorの設計（サイズ・縦横比）が合わないと精度が落ちやすい

というクセもあります。

RPNが活きる場面

Faster R-CNNのような精度重視
「候補を絞ってから丁寧に分類」したい場面

ただし

2段階なので計算は重くなりやすい

G検定ひっかけポイント

① 「AnchorとDefault Boxは別物」→ ❌

❌ よくある誤解：

Anchor BoxとDefault Boxは異なる概念である

⭕ 正しくは：

ほぼ同じ意味（呼び方の違い）

👉 試験では SSDのDefault Box＝Anchorの仲間 と捉えてOKです。

② 「RPNはSSDやYOLOにもある」→ ❌

❌ よくある誤解：

物体検出ならRPNを使う

⭕ 正しくは：

RPNはFaster R-CNN系（2段階）で重要

SSD / YOLO：1段階（RPNなし）
Faster R-CNN：2段階（RPNあり）

👉 RPNが出たらFaster R-CNN側と即断。

③ 「Anchor＝候補領域（Proposal）」と混同 → ❌

Anchor：ひな形の四角（最初から大量に置く）
Proposal：物体がありそうな候補（選別された少数）

👉 Anchorは“全候補の土台”、Proposalは“選ばれた候補”です。

まとめ（試験直前用）

Anchor Box（Default Box）は ひな形の四角
SSDでは Default Box と呼ぶ（意味はAnchorとほぼ同じ）
RPNは 候補領域（Proposal）を作るネットワーク
RPNあり＝2段階＝Faster R-CNN
RPNなし＝1段階＝SSD/YOLO

📝 選択肢で迷ったら：

Default Box＝SSD、RPN＝Faster R-CNN

これで切れます。

🔗 関連記事

🏠 G検トップに戻る