最終更新日:2026年9月26日
gk cnn object_detection cheatsheet
まず結論
FPN・SSD・YOLOは、同じ種類のものではありません。
- FPN:異なる解像度の特徴を統合する特徴ピラミッド構造
- SSD:Default Boxと複数特徴マップを使う1段階検出
- YOLO:画像から位置・クラスを直接予測する1段階検出系
G検定では、
特徴を作る構造か、検出器か
を最初に分けます。
直感的な説明
FPN
小さい物体と大きい物体を扱うため、粗い特徴と細かい特徴を組み合わせる仕組みです。
SSD
異なる解像度の特徴マップ上で、複数のDefault Boxを使って直接検出します。
YOLO
画像全体から、物体の位置とクラスを1つの検出パイプラインで直接予測します。
定義・仕組み
FPN
Feature Pyramid Networkは、
- top-down path
- lateral connection
を使って、複数スケールで意味的に強い特徴マップを作ります。
FPNは単体で完成した物体検出器というより、検出器へ組み込める特徴抽出構造です。
SSD
SSDは、
- 1段階検出
- Default Box
- 複数解像度の特徴マップ
が判断キーワードです。
YOLO
YOLOも代表的な1段階検出系です。
YOLOには多数の世代があるため、特定世代のアンカーやグリッド設計を全YOLO共通の絶対条件として覚えないようにします。
いつ使う?(得意・不得意)
- FPN → マルチスケール特徴が必要な検出器へ組み込む
- SSD → 1段階で複数スケールを直接検出
- YOLO → リアルタイム性を重視する1段階検出系
FPNはFaster R-CNNなどの2段階検出器とも組み合わせられます。
したがって、
FPN=1段階
ではありません。
G検定ひっかけポイント
FPN=物体検出アルゴリズム?
❌ 単体でクラスとバウンディングボックスを出す検出器
⭕ 複数スケール特徴を作る構造
SSD / YOLO
⭕ 代表的な1段階物体検出
FPNはSSD・YOLOと排他的?
❌ どれか1つしか使えない
⭕ FPNのようなマルチスケール構造を検出器へ組み込むこともできる
まとめ(試験直前用)
- FPN=特徴ピラミッド構造
- SSD=1段階+Default Box
- YOLO=1段階物体検出系
- FPNは検出器そのものとは限らない
- 速度・精度の固定順位で判断しない
- 構造か検出器かを先に見る
参考資料(原論文)
- Feature Pyramid Networks for Object Detection|CVF
- Linら(CVPR 2017)によるFPNの原論文です。Top-down経路とlateral connectionでマルチスケール特徴を構成します。
- SSD: Single Shot MultiBox Detector|arXiv
- LiuらによるSSDの原論文です。複数解像度の特徴マップ上でDefault Boxを使い、1段階で物体検出します。
- You Only Look Once: Unified, Real-Time Object Detection|CVF
- Redmonら(CVPR 2016)によるYOLOの原論文です。物体検出を単一ネットワークによる回帰問題として扱います。