【正解の解説】
Faster R-CNN
人間で例えるなら、これまでの手法が「一枚の絵の中から、怪しい場所を人力でじっくりと時間をかけて一つずつ探す職人技」だったのに対し、Faster R-CNNは「AI自身が『ここが怪しい！』と一瞬で勘所を見抜く特急レーン」を手に入れたようなものです。従来の手法でボトルネックになっていた領域候補の抽出プロセスをニューラルネットワーク内部に組み込み、GPUの並列処理をフル活用することで、高精度を維持したまま実用的な速度での検出を可能にしました。
【その他の選択肢の解説】
Fast R-CNN
Fast R-CNNは、画像全体の特徴量を一度の畳み込みで効率よく計算できるようになり画期的でしたが、肝心の「どこに物体があるか（領域候補）」を探す部分に相変わらず昔ながらのアルゴリズム（Selective Search）を使っていました。これは「超高速なスポーツカーのエンジンを積んでいるのに、タイヤだけ古い木製の車輪をつけている」ような状態で、この弱点を克服するために生まれたのが、完全なエンドツーエンド学習を実現したFaster R-CNNです。
Mask R-CNN
Mask R-CNNは、Faster R-CNNの背骨（ネットワーク構造）をそのまま受け継ぎ、さらにその上に「ピクセルレベルで輪郭を塗る機能」を追加した欲張りなエリートモデルです。問題文にある「領域候補を抽出して処理を高速化した物体検出モデル」という基本骨格は大元であるFaster R-CNNの功績であり、Mask R-CNNはそれをさらに発展させてシルエットまで正確にくり抜けるようにした一歩先のステップだとイメージしてください。
YOLOv3
YOLOv3は、Faster R-CNNのように「まず怪しい場所を切り出す（二段階）」というまどろっこしい手順を踏まず、「パッと一目見ただけで、どこに何があるかを一発で当てる（一段階）」という、まるで職人の勘のようなアプローチをとるモデルです。処理スピードが圧倒的に速いためリアルタイム動画処理などに強みを持っていますが、問題文にある「Selective Searchから発展しRPNを導入したモデル」という生い立ちには当てはまりません。