深層学習以降の進展とは? わかりやすく解説

Weblio 辞書 > 辞書・百科事典 > ウィキペディア小見出し辞書 > 深層学習以降の進展の意味・解説 

深層学習以降の進展

出典: フリー百科事典『ウィキペディア(Wikipedia)』 (2022/04/17 07:31 UTC 版)

物体検出」の記事における「深層学習以降の進展」の解説

R-CNN発表後、その欠点改良した検出システム発表されていく。2014年発表されたSPPNetは、入力として固定サイズ画像しか受け取れないというR-CNN欠点解消した2015年発表されFast R-CNNは、事前に画像全体に対してCNN用いて特徴抽出行い、そこに候補領域情報組み合わせることで、候補領域ごとにCNN毎回適用しなければならないというR-CNN欠点解消した。さらに2015年提案されFaster R-CNNでは、前段物体候補領域提案部分ボトルネックとなっていたことに注目し新たに物体候補領域提案部分ニューラルネットワーク用いて置き換えたRegion Proposal NetworkRPN)と呼ばれる)。これによりシステム全体ニューラルネットワーク用いて学習できるようになり、大幅な高速化達成した。これ以降も、クラス分類・Bouding box座標推定加えBounding box内の対象物体の領域推定するブランチ追加しインスタンスセグメンテーション(英語版)を行えるようにしたMask R-CNN等、R-CNNから続く2ステージ検出システム幅広く研究進んでいる。 一方で候補領域を予め抽出し、それについて検出分類を行うという2ステージ検出システム計算資源要するため、特に携帯端末ウェアラブルデバイスといった容量計算資源限られた端末での応用難しいという課題がある。そこで領域提案などを分離せず入力からクラス分類・Bouding box座標推定までをエンドツーエンドで行う1ステージ検出システム研究進められている。2013年発表されたOverFeatは、ILSVRC2013の検出部門にて最高記録達成する。OverFeatは圧倒的な処理速度達成するが、一方でその精度2ステージ検出システムであるR-CNNには及ばなかった。その要因としてはOverFeatに用いられる全畳込みニューラルネットワークfully convolutional network)の学習当時難しかったことが挙げられる。ただ、OverFeatの特徴後発YOLOSSD引き継がれた。2016年発表されYOLOは、画像任意のピクセルごとのグリッド区切りグリッド毎に物体存在する確率物体存在する場合分類クラス予測するというものであるYOLO処理速度で45fpsを記録した。ただしグリッド毎に予測するという性質上、2ステージFaster R-CNN比べる位置正確性低くなった。特に1つグリッド内に複数物体がある場合検出力が低いという欠点がある。2016年発表されSingle Shot MultiBox DetectorSSD)は、Faster R-CNN用いられRPN考え方持ち込んだもので、YOLO比較して処理速度がさらに向上するとともに精度面でもFaster R-CNN同等精度達成した2019年発表されたEfficientDet等、1ステージ系でありながら条件によって2ステージ系のMask R-CNN精度上回るシステム出てきている。

※この「深層学習以降の進展」の解説は、「物体検出」の解説の一部です。
「深層学習以降の進展」を含む「物体検出」の記事については、「物体検出」の概要を参照ください。

ウィキペディア小見出し辞書の「深層学習以降の進展」の項目はプログラムで機械的に意味や本文を生成しているため、不適切な項目が含まれていることもあります。ご了承くださいませ。 お問い合わせ



英和和英テキスト翻訳>> Weblio翻訳
英語⇒日本語日本語⇒英語
  

辞書ショートカット

すべての辞書の索引

「深層学習以降の進展」の関連用語

1
物体検出 百科事典
4% |||||

深層学習以降の進展のお隣キーワード
検索ランキング

   

英語⇒日本語
日本語⇒英語
   



深層学習以降の進展のページの著作権
Weblio 辞書 情報提供元は 参加元一覧 にて確認できます。

   
ウィキペディアウィキペディア
Text is available under GNU Free Documentation License (GFDL).
Weblio辞書に掲載されている「ウィキペディア小見出し辞書」の記事は、Wikipediaの物体検出 (改訂履歴)の記事を複製、再配布したものにあたり、GNU Free Documentation Licenseというライセンスの下で提供されています。

©2025 GRAS Group, Inc.RSS