Faster R-CNN
物体検出のモデル Faster R-CNN の説明として、最も適切なものを1つ選べ。
- A
画像をグリッドに分け、物体の位置とクラスを1回の処理でまとめて予測する。
- B
画像の画素ごとにクラスを予測し、物体の領域を塗り分ける。
- C
物体のありそうな領域の候補もニューラルネットワーク（RPN）で求め、その領域ごとにクラスと位置を予測する。
- D
生成器と識別器を競わせて、本物に近い画像を作り出す。
正解と解説を見る
正解：C
Faster R-CNN は RPN で領域候補を出してから分類する2段階の物体検出モデル。
| 手法 | 候補領域の作り方 | 特徴の計算 |
|---|---|---|
| R-CNN | 選択的探索（ネットワークの外） | 候補領域ごとにCNNを実行（遅い） |
| Fast R-CNN | 選択的探索（ネットワークの外） | 画像全体で1回CNN、領域ごとにRoIプーリング |
| Faster R-CNN | RPN（Region Proposal Network、ネットワークの中） | 画像全体で1回CNN、候補領域も共有した特徴から提案 |
- A
誤り。これは YOLO の説明。処理が速く、リアルタイムの検出に向く。
- B
誤り。これはセマンティックセグメンテーション（FCN など）の説明。
- C
正しい。Faster R-CNN は、領域候補の抽出と分類の2段階で検出する。候補の抽出もニューラルネットワークで行うことで高速になった。
- D
誤り。これは GAN の説明。
このサイトの問題は、各試験の公開されているシラバスに沿って作ったオリジナルの模擬問題です。本試験の問題ではありません。日本ディープラーニング協会（JDLA）・一般社団法人生成AI活用普及協会（GUGA）の公式サービスではありません。