最終更新日:2026年9月23日
gk image_recognition object_detection
まず結論
YOLO(You Only Look Once)は、画像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する1段階(one-stage)物体検出系モデルです。
G検定では、
- YOLO / SSD → 1段階
- Faster R-CNN → 2段階
という切り分けが重要です。
直感的な説明
2段階検出は、
まず「物体がありそうな場所」を探し、その候補を分類する
という流れです。
YOLOは、
画像全体から、物体の位置とクラスをまとめて予測する
考え方です。
原論文では、この統合された設計によってリアルタイム性を重視した物体検出を実現しました。
定義・仕組み
YOLOは、画像から直接、
- バウンディングボックス
- 物体らしさ
- クラス確率
などを予測します。
初期YOLOでは画像をグリッドに分けて予測する設計が使われました。
ただし、YOLOは多数の世代・派生モデルへ発展しており、「グリッド設計」「アンカーの有無」などをYOLO全世代の絶対条件として覚えないことが重要です。
G検定では、まず1段階物体検出という位置付けを押さえます。
いつ使う?(得意・不得意)
YOLO系は、
- リアルタイム映像
- 監視カメラ
- ロボット
- 車載映像
- エッジ推論
など、速度が重要な場面で広く使われます。
ただし、
YOLOは速い代わりに常に精度が低い
Faster R-CNNは常に最も高精度
のような固定順位で覚えるのは避けます。
モデルの世代、サイズ、入力解像度、データセットによって速度と精度は変わります。
G検定ひっかけポイント
YOLO=2段階?
❌ 候補領域を作ってから別段階で分類する
⭕ 1段階で位置とクラスを直接予測する
YOLO=RPN?
❌ RPNを使うことがYOLOの特徴
⭕ RPNはFaster R-CNNなど2段階系で重要
YOLO=必ず最高速?
❌ どんな条件でも物体検出モデル中で最速
⭕ リアルタイム性を重視する代表的1段階系だが、速度はモデル・設定に依存
YOLOとSSD
YOLOもSSDも代表的な1段階物体検出です。
細かな内部構造より、G検定ではまず、
1段階か、2段階か
で切り分けます。
まとめ(試験直前用)
- YOLO=1段階物体検出
- 位置とクラスを直接予測
- リアルタイム性を重視した代表的モデル
- Faster R-CNN=2段階
- SSDも1段階
- 速度・精度を固定順位で暗記しない
- YOLO世代ごとの内部構造を一括りにしない