問題 No.52
自動運転の歩行者検知システムなどにおいて、画像の中の物体を四角い枠（バウンディングボックス）で囲んで検出するだけでは、物体の正確な輪郭や傾き、占有面積が分からず、物体同士の間隔を極めて精密に制御できない課題がある。物体候補を提案する高速な検出ネットワークをベースとしつつ、検出された四角い枠の内部にある物体の輪郭を「画素（ピクセル）レベル」で正確に切り抜く機能（マスク枝）を並列に追加した代表的なモデルはどれか。
【正解の解説】
Mask R-CNN
Mask R-CNNは、物体を枠で囲むFaster R-CNNという手法に、ピクセル単位で正確に輪郭を切り抜く「マスク枝」という機能を追加したモデルで、インスタンスセグメンテーションの代表的な手法です。
スポンサーリンク
【その他の選択肢の解説】
YOLO
YOLOは、画像を一度に見て物体を検出する高速な手法ですが、主に四角い枠で囲むことに特化しており、ピクセル単位での輪郭抽出は基本機能ではありません。
FCN
FCNは、画像内の全てのピクセルをクラス分類する手法で、輪郭抽出には使われますが、物体検出ネットワークと組み合わせて「枠内の輪郭を切り抜く」ことに特化したモデルという定義ではありません。
SSD
SSDは、YOLOと同様に高速な物体検出手法ですが、これも四角い枠による検出を主目的としており、ピクセル単位の精密な切り抜き機能は含みません。