問題 No.1243
物体検出タスクにおいて、画像をグリッド分割し、1回のフォワードパスで画像内に存在するオブジェクトのバウンディングボックスの位置とクラス確率を同時に予測する、リアルタイム検出に適した高速なアルゴリズムはどれか。
【正解の解説】
YOLO
YOLO（You Only Look Once）は、画像全体をグリッドに分割し、単一の畳み込みネットワークの1回のパス（フォワードパス）のみでバウンディングボックスの位置座標とクラス確率を同時に予測する1段階（1-stage）のアルゴリズムです。極めて高速でリアルタイム検出に適しています。
スポンサーリンク
【その他の選択肢の解説】
R-CNN
R-CNNは、Selective Search等で領域候補（Region Proposals）を約2000個抽出し、それぞれに対して個別にCNN特徴抽出とSVM分類を行うため、1枚の処理に数秒以上かかりリアルタイム検出には不向きな初期の2段階手法です。
U-Net
U-Netは、医療画像処理等で発展したモデルであり、画像内の全ピクセルに対してクラス（腫瘍領域など）を割り当てるセグメンテーション手法です。バウンディングボックスを出力する物体検出アルゴリズムではありません。
Fast R-CNN
Fast R-CNNは、画像全体に対して1回だけCNNを通し、得られた特徴マップ上で候補領域を切り出す（RoI Pooling）ことでR-CNNの計算量を大幅に削減したモデルです。しかし領域提案と分類が分離した2段階処理であるため、YOLOほどの超高速性には達しません。