最終更新日:2026年9月23日
gk image_recognition object_detection
まず結論
Faster R-CNNは、
- RPNで候補領域を作る
- 候補領域ごとに分類・位置補正する
という2段階(two-stage)物体検出モデルです。
G検定では、RPN=Faster R-CNNを最優先で押さえます。
直感的な説明
Faster R-CNNは、
まず怪しい場所を探し、その場所を詳しく調べる
方式です。
一方、YOLOやSSDは、候補領域を別段階で作らずに直接検出する代表的な1段階方式です。
定義・仕組み
第1段階:RPN
Region Proposal Networkが、共有された特徴マップから、
- 物体がありそうか
- 候補領域はどこか
を予測します。
第2段階:検出
候補領域の特徴を使い、
- クラス分類
- バウンディングボックス補正
を行います。
Fast R-CNNでは候補領域生成が外部手法でしたが、Faster R-CNNではRPNをネットワーク内へ組み込んだことが重要です。
いつ使う?(得意・不得意)
Faster R-CNNは2段階検出の代表モデルとして、精密な領域処理が必要な物体検出で広く使われてきました。
ただし、
2段階なら常に高精度
1段階なら常に高速
と固定順位で覚えるのは避けます。
モデルの世代、バックボーン、入力サイズ、ハードウェアで速度・精度は変化します。
G検定ひっかけポイント
Fasterの意味
❌ YOLOより必ず高速という意味
⭕ 従来のR-CNN / Fast R-CNNから候補領域生成までネットワーク化して高速化した流れ
RPN
❌ SSDやYOLOの代表機構
⭕ Faster R-CNNの候補領域生成
1段階 / 2段階
- Faster R-CNN → 2段階
- SSD / YOLO → 1段階
まとめ(試験直前用)
- Faster R-CNN=2段階検出
- RPNでRegion Proposal
- 候補領域を分類・位置補正
- Fast R-CNNより候補領域生成を統合
- SSD / YOLOは代表的1段階
- 速度・精度の固定順位より構造で切る