- 「Faster RーCNN」について学びたいけど理解できるか不安・・・
- 「Faster RーCNN」を使うメリットが分からない?
- 「Faster RーCNN」を体系的に教えて!
「Faster RーCNN」は、RPN(Region Proposal Network)という物体候補領域の提案の処理にCNNを使用したものを使い、ほぼリアルタイムで動作し「動画認識」への応用される物体検出モデルですが、興味があってもよく理解できないケースが非常に多いです。
私は過去に基本情報技術者試験(旧:第二種情報処理技術者試験)に合格し、また2年程前に「一般社団法人 日本ディープラーニング協会」が主催の「G検定試験」に合格しました。現在、「E資格」にチャレンジ中ですが3回不合格になり、この経験から学習の要点について学ぶ機会がありました。
そこでこの記事では、「Faster RーCNN」を学習する際のポイントについて解説します。
この記事を参考にして「Faster RーCNN」が理解できれば、E資格に合格できるはずです。
<<「Faster RーCNN」のポイントについて今すぐ見たい方はこちら
目次
1.Faster RーCNN 開発の背景
R-CNN(従来手法)の課題
- R-CNNは2段階検出器
- 手順1:物体候補領域の提案
Selective Search を使用しているため、処理速度が遅い - 手順2:提案された候補領域における物体のクラス分類
Fast-R-CNNでは改良されたものの、手順1には Selective Search を使用→ 画像1枚の処理時間は、パート1:1秒、パート2:0.22秒
上記課題の解決策
- 高速な処理を行う手法を提案⇒ Faster RーCNN
- Faster RーCNN
リアルタイム(動画など)処理が可能
2.Faster RーCNN のアイデア
「Faster RーCNN」のアイデアとは・・・
- 「RPN(Region Proposal Network)」を提案
RPNはCNN(畳み込みニューラルネットワーク)の一種 - 「RPN」を物体候補領域の提案の処理に使用
特徴抽出~カテゴリ推定をEndーto-End(一気通貫)な学習が可能になる - Region Proposal を直訳 ⇒「地域提案」
Endーto-Endな学習とは・・・
引用元:「CVMLエキスパートガイド」
1つの問題やタスクに対して、ネットワーク中の入力層(端)から出力層(端)
までの全層の重みを、1度に学習することをいう。
2.1 RPN(Region Proposal Network)
RPN(Region Proposal Network)とは・・・
- 特徴マップ
入力画像 ⇒ VGG16により特徴マップに変換
補足)VGG16とは深さが16層のCNN(畳み込みニューラルネットワーク) - Anchors
・矩形領域回帰の誤差関数
・特徴マップに 「Anchor Points」 を仮想
「Point」ごとに 「Anchor Boxes」 を作成する
・Anchor Points の個数:H × W
・1つの Anchor Point あたりの Anchor Boxes の個数:S
・Anchor Boxes の個数:H×W×S - RPNの出力
・各「Anchor Boxes」を「Grand Truth」の「Boxes」と比較し、含まれているものが背景か物体か、どれくらいズレているか出力
・各「Anchor Boxes」において背景か物体か:H×W×S×2
・各「Anchor Boxes」において正解 Boxes とのズレ
(中心座標(x、y),縦,横):H×W×S×4

2.2 RoI Pooling
RoI Poolingとは・・・
- Fast/Faster R-CNN では 「RoI Pooling(関心領域プーリング)」 を使用
- 畳み込み処理後の特徴マップから、Region proposal領域を「固定サイズの特徴マップ」として抽出
※前段の畳み込み処理を共通化できて、高速化を実現した要因の1つ - 特徴マップ上で固定サイズの特徴ベクトルを切り出す際に、少数を切り捨てるなどの操作をし、情報が粗く離散化されて欠落してしまうため、高精度の推定が難しい

2.3 R-CNN と Fast R-CNN と Faster R-CNN の比較
R-CNN | Fast R-CNN | Faster R-CNN | |
---|---|---|---|
物体候補領域の提案 | Selective Search | Selective Search | Region Proposal Network |
提案された候補領域 における物体のクラス分類 | 線形サポートベクターマシン | RoI Pooling | RoI Pooling |
3.まとめ
最後まで読んで頂きありがとうございます。
皆様のキャリアアップを応援しています!!
コメント