Faster R-CNNとは
Faster R-CNN（Faster Region-based Convolutional Neural Network）とは、2015年にShaoqing Renらによって提案された2段階物体検出モデルです。R-CNN、Fast R-CNNに続く進化版であり、Region Proposal Network（RPN）を導入することで、候補領域の生成と物体の分類・位置回帰を統一的なネットワークで実現しました。
| ひとことで言うと | 候補領域の抽出もニューラルネットで行う、高精度な2段階の物体検出モデル。 |
|---|---|
| どこで使う | 精度が最優先の検査工程、医療画像、衛星画像の解析。 |
| 注意点 | YOLOやSSDより処理が遅い。リアルタイム用途には向かないことが多い。 |
Faster R-CNNのアーキテクチャ
Faster R-CNNは大きく2つのコンポーネントから構成されます。第1段階のRPNは、画像の特徴マップ上にアンカーボックスを配置し、物体が存在しそうな候補領域（Region Proposal）を生成します。第2段階では、生成された候補領域に対してROI PoolingやROI Alignを適用して特徴を抽出し、物体のクラス分類と位置の精密な回帰を行います。RPNと検出ネットワークが特徴マップを共有することで、効率的な処理が実現されています。
1特徴を抽出CNNで画像を解析
▶
2候補領域を提案RPNが物体らしい枠を出す
▶
3領域を切り出すROI Poolingで整形
▶
4分類と枠の微調整2段目で精密に
▶
5高精度な検出位置も種類も正確
影響と発展
Faster R-CNNは2段階検出の代表的モデルとして、高い検出精度を実現しました。このフレームワークを基盤として、Mask R-CNN（インスタンスセグメンテーション）、Feature Pyramid Network（マルチスケール検出）など、多くの発展的手法が生まれました。処理速度では1段階モデルに劣りますが、精度を重視する用途では現在も広く使用されています。