最終更新日:2026年9月23日
gk image_recognition object_detection
まず結論
SSD(Single Shot MultiBox Detector)は、候補領域生成を別段階で行わず、1つのネットワークでクラスとバウンディングボックスを直接予測する1段階物体検出モデルです。
G検定では、
- Single Shot
- Default Box
- 複数スケールの特徴マップ
を押さえます。
直感的な説明
Faster R-CNNが、
候補を探す → 候補を詳しく分類する
の2段階なのに対し、SSDは、
複数の場所・大きさについて、一度の検出パイプラインでまとめて予測する
方式です。
定義・仕組み
SSDでは、複数の特徴マップ上にさまざまな形・大きさのDefault Boxを用意します。
各Default Boxについて、
- クラスのスコア
- ボックス位置の補正量
を予測します。
また、解像度の異なる複数特徴マップから予測することで、異なる大きさの物体を扱います。
いつ使う?(得意・不得意)
SSDは、候補領域生成を別処理にしないため、リアルタイム性を重視した検出システムに適した設計です。
一方、特に初期SSDでは小物体検出が課題として知られました。
ただし、
SSDは必ずFaster R-CNNより低精度
とは限りません。原論文でも条件によってFaster R-CNNと競合する精度が報告されています。
G検定ひっかけポイント
SSD=2段階?
❌ Region Proposalを作ってから分類
⭕ 1段階で直接予測
Single Shotの意味
❌ 画像中に1個の物体しか検出できない
⭕ 候補領域生成を別段階にせず1つのネットワークで検出する
YOLOとの関係
SSDもYOLOも代表的な1段階物体検出です。
細かな世代差より、まず1段階 / 2段階で切り分けます。
まとめ(試験直前用)
- SSD=1段階物体検出
- Default Box
- 複数解像度の特徴マップ
- クラスと位置を直接予測
- Faster R-CNN=2段階
- YOLOも1段階
- 速度・精度を絶対順位で覚えない