問題 No.2996
小売店舗における無人レジシステムを開発するにあたり、陳列棚に置かれた多種多様な商品をリアルタイムかつ高精度に検出するビジョンシステムを構築することになった。エッジデバイスでの動作を想定し、単一の畳み込みニューラルネットワーク内でバウンディングボックスの予測とクラス確からしさの算出を同時に行い、処理速度と精度のバランスに優れたモデルを採用したい。この要件を満たす代表的な単段階（シングルショット）物体検出アルゴリズムはどれか。
【正解の解説】
SSD
回転寿司のレーンを流れるお皿をイメージしてください。熟考して吟味するのではなく、パッと見て「どこに何があるか」を一瞬で判断するのがSSDです。画像全体を何度も見直す必要がなく、1回のスキャンで全てを見つけるため、無人レジのようなスピードが命のシステムで大活躍します。
スポンサーリンク
【その他の選択肢の解説】
R-CNN
間違い探しの本で、怪しい場所を一つずつ虫眼鏡でじっくり時間をかけて調べるようなものです。精度は高いのですが非常に時間がかかるため、今回の問題文にあるような「リアルタイムで商品を一瞬で検出するエッジデバイス」という要件には全く向いていません。
YOLO
超高速な物体検出アルゴリズムとして有名で処理速度は非常に優れていますが、問題文にある「複数の異なるスケールの特徴マップを活用して様々な大きさの物体を高精度に捉える」というSSD特有の設計アプローチとは異なる代表的な別モデルです。
SVM
りんごとみかんの山を見て、境界線を引き「こっちがりんごだ」と見分けるのは得意ですが、写真のどこに何個あるかという「位置の特定（バウンディングボックス）」まではできません。物体検出のシステム全体ではなく、その中の分類器の一部として使われることはあります。