---
title: "Faster R-CNN"
description: "Faster R-CNNについて、G検定で問われる画像認識・CNN分野の観点から、画像タスクでの役割、特徴抽出の流れ、代表モデルとの関係を整理します。暗記だけでなく、似た概念との混同を避ける見分け方や、選択肢を切るためのポイントも確認します。"
canonical_url: "https://stemtazoo.github.io/gk/faster-r-cnn/"
section: "gk"
---

## まず結論

**Faster R-CNNは「2段階モデル」で、主な目的は「検出精度の向上」**です。
まず物体がありそうな場所を絞り込み、その後にクラス分類を行います。

👉 G検定では、**「2段階モデル＝精度重視」**と即座に結びつけられるかがポイントです。

---

## 直感的な説明

Faster R-CNNは、

1. まず画像全体を見て
2. 「このあたりに物体がありそうだ」という候補を集め
3. その候補をじっくり調べて「これは人」「これは車」と判断する

という**慎重型の検出器**です。

🔍 人が風景を見渡してから、気になる物に視線を向けて正体を確認するイメージです。

---

## 定義・仕組み

Faster R-CNNは、

* **候補領域生成（RPN：Region Proposal Network）** と
* **クラス分類・位置補正**

を**2段階**で行う物体検出モデルです。

### ポイント

* 第1段階：RPN が「物体がありそうな領域」を提案
* 第2段階：提案された領域ごとに

  * クラス分類
  * バウンディングボックスの微調整
    を実施

👉 **SSDのように一気に判断せず、一度候補を絞る**のが最大の特徴です。

---

## いつ使う？（得意・不得意）

### 得意なこと

* 高い検出精度が求められるタスク
* 小さい物体や複雑な背景
* オフライン解析・研究用途

### 苦手なこと

* リアルタイム処理
* 処理速度が厳しく制限される環境

👉 **「精度重視、速度は犠牲」**という立ち位置です。

---

## G検定ひっかけポイント

### ① 「Faster R-CNNは高速モデル」→ ❌

❌ よくある誤解：

> Faster R-CNNは名前にFasterと付いているので高速である

⭕ 正しくは：

> **R-CNN系の中では高速だが、SSDやYOLOよりは遅い**

👉 **Faster＝従来R-CNNより速い**だけです。

---

### ② 「Faster R-CNNは1段階モデル」→ ❌

* ❌ 位置とクラスを同時に出す → 1段階
* ⭕ 候補領域生成 → 分類 → **2段階**

👉 **RPNがある＝2段階**と覚えると切れます。

---

### ③ SSD・YOLOとの対比問題

* Faster R-CNN：**2段階・精度重視**
* SSD / YOLO：**1段階・速度重視**

👉 この対応関係はG検定頻出です。

---

## まとめ（試験直前用）

* Faster R-CNNは **2段階物体検出モデル**
* 候補領域生成（RPN）→ 分類の流れ
* 主目的は **検出精度の向上**
* 高速性重視なら **SSD / YOLO**

📝 選択肢で迷ったら：

> **「RPNあり＝2段階＝精度重視」**

これで切れます。