Skip to the content.

最終更新日:2026年9月23日

まず結論

Faster R-CNNは、

  1. RPNで候補領域を作る
  2. 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

参考資料

© 2024-2026 stemtazoo. All rights reserved.