最終更新日:2026年9月23日
gk image_recognition object_detection cheatsheet
まず結論
物体検出モデルは、まず検出パイプラインが1段階か2段階かで整理します。
- 1段階:YOLO、SSD
- 2段階:R-CNN、Fast R-CNN、Faster R-CNN
G検定では、速度や精度を絶対順位で覚えるより、
候補領域を別段階で作るか?
を見るのが安全です。
直感的な説明
1段階
画像から直接、
- クラス
- バウンディングボックス
を予測します。
代表例はYOLO・SSDです。
2段階
- 物体がありそうな候補領域を作る
- 候補領域を分類・位置補正する
という2段階で処理します。
代表例はR-CNN系です。
定義・仕組み
| モデル | 段階 | 判断キーワード |
|---|---|---|
| SSD | 1段階 | Single Shot、Default Box |
| YOLO | 1段階 | 直接検出、リアルタイム性 |
| R-CNN | 2段階 | 候補領域ごとにCNN |
| Fast R-CNN | 2段階 | 特徴マップ共有、RoI Pooling |
| Faster R-CNN | 2段階 | RPN |
R-CNN → Fast → Faster
発展の流れは、
- R-CNN → 候補領域ごとにCNN
- Fast R-CNN → CNN特徴を共有
- Faster R-CNN → RPNで候補領域生成までネットワーク化
と整理します。
SSD / YOLO
どちらも代表的な1段階検出です。
ただし、YOLOには多くの世代があるため、特定世代のグリッド・アンカー設計を全YOLO共通と決めつけないようにします。
いつ使う?(得意・不得意)
一般に1段階検出はリアルタイム性を重視する設計で多く使われ、2段階検出は候補領域を詳しく処理する設計です。
ただし、
- 1段階=必ず低精度
- 2段階=必ず高精度
- YOLO=必ず最速
とは限りません。
モデル世代、バックボーン、入力サイズ、ハードウェアによって結果は変わります。
G検定ひっかけポイント
Faster R-CNN
❌ Fasterという名前なのでYOLOより必ず速い
⭕ RPNを導入してR-CNN系を高速化したモデル
Fast R-CNN
❌ RPNで候補領域を作る
⭕ 候補領域は外部、特徴抽出を共有
SSD
❌ Region Proposalを別段階で作る
⭕ Default Boxを使う1段階検出
YOLO
❌ 2段階で候補領域を分類する
⭕ 1段階検出系
まとめ(試験直前用)
- YOLO / SSD=1段階
- R-CNN系=2段階
- R-CNN=候補ごとにCNN
- Fast R-CNN=特徴共有
- Faster R-CNN=RPN
- SSD=Default Box
- 速度・精度の固定順位ではなく処理構造で切る