問題番号: No.17 (しっかりモード)

自動運転のカメラ映像解析において、画像の中に存在する複数の歩行者や車両の「正確な四角い位置（バウンディングボックス）」を特定し、同時に「それが何であるか」のクラス分類をリアルタイムで実行したい。物体候補の領域を提案するネットワーク（RPN）をモデル内部に統合し、位置検出とクラス分類のすべてを1つのニューラルネットワーク上で超高速かつエンドツーエンドで処理できるようにした代表的なモデルはどれか。