Dive into codeでのsprint課題「論文紹介」に対応した、購読論文の纏めを掲載します。

1. 論文紹介
物体検出モデルの特徴について
遠藤 伸

2. １．Feature Pyramid Networks for Object Detection
Feature Pyramidは、異なったスケール物体検出システムにおいて基本技術となりうるが、コンピュータリソー
スに対する消費量が大きいことから、実際の物体検出機ではなかなか採用されなかった。そこでTsung-Yi Lin氏
らがFPN（Feature Pyramid Network）を提唱した。COCOの検知システムにおけるベンチマークテストでも、
処理速度および再現性（AR）を向上させた。
Tsung-Yi Lin, Piotr Dollar, Ross Girshick, Kaiming He, Bharath
Hariharan, Serge Belongie;
どんなもの？
議論はある？
Faster R-CNNは領域提案と物体検出を分離したツーステージ検出モデルにより領域の識別制度を向上させた。
しかし、サイズが大きい画像に対しては検出精度が良好であるが、サイズが小さい画像に対しては、検出精度
があまり良くないという問題点があった。（「ＦＰＮ発明の概要」https://benrishi-ai.com/fpn01/参照）
どうやって有効だと検証？
80カテゴリをカバーするCOCO検知用データセットを使用。単一スケールの特徴マップを使用した2つのテスト
ケースに対して、FPNは平均再現率（AR）の向上が認められた。また処理速度においても6～7FPSのスピード
をマークした。
論文：Feature Pyramid Networks for Object Detection
参考資料：FPN発明の概要（https://benrishi-ai.com/fpn01/）

3. １．Feature Pyramid Networks for Object Detection Tsung-Yi Lin, Piotr Dollar, Ross Girshick, Kaiming He, Bharath
Hariharan, Serge Belongie;
先行研究に対して何がスゴイ？
Faster R-CNNに対して、画像識別処理速度の向上および再現性を向上させたこと。
技術の手法や肝は？
次に読むべき論文は？
① SSD: Single Shot MultiBox Detector
② U-Net: Convolutional Networks for Biomedical Image Segmentation
Feature Pyramidの方式は4通り紹介されている。
(a)Featurerized Image pyramid → スケールごとに特徴マップを作成する。処理速度が遅い。
(b)Single feature map → 最近（2017年）の傾向。全スケールから単一サイズの特徴マップを作成する。
処理速度の向上が見込める。Fast R-CNN、Fasetr R-CNNで使用される。
(c)Pyramidal feature hierarchy → ConvNet(畳込み層）で生成した特徴量の各層を特徴マップのように
再利用する。SSD（Single Shot MultiBox Detector）で使用されている。
(d)Feature Pyramid Network → (b)と(c)を組合せ発展させたもの。COnvNetで生成した特徴マップを基
準に、逆畳込みして各層の特徴マップを再現する。今回のFPNである。
FPNは処理速度および再現性をかなり向上させた。

4. １．Feature Pyramid Networks for Object Detection Tsung-Yi Lin, Piotr Dollar, Ross Girshick, Kaiming He, Bharath
Hariharan, Serge Belongie;
【Feature Pyramidの方式】
特徴
マップ
特徴
マップ
特徴
マップ
特徴
マップ

5. ２．SSD（ Single Shot MultiBox Detector）
SSDは様々なスケールの特徴層を、デフォルトボックスとして使うことにより、画像検知性能を向上させた。サ
イズの異なる画像に対しても、サイズの異なる畳み込み層を追加して、さまざまなスケールで検知することを可
能にした。
Wei Liu1 , Dragomir Anguelov2 , Dumitru Erhan3 , Christian
Szegedy3 , Scott Reed4 , Cheng-Yang Fu1 , Alexander C. Berg
どんなもの？
議論はある？
どうやって有効だと検証？
論文：SSD: Single Shot MultiBox Detector
参考資料：【物体検出】SSD(Single Shot MultiBox Detector)の解説（https://benrishi-ai.com/fpn01/）
R-CNNは、入力画像に対して様々にバウンディングボックスを動かしながら、CNN演算処理を行っていたため1
枚の画像から物体検知するのに時間がかかっていた。そのうちFast R-CNN、Faster R-CNNの処理速度を上回る
SSDが提案された。
PASCAL VOC2007 test detection resultsを使用したベンチマークテストでは、大部分のクラスでSSDの平均適合
率が、Fast R-CNN、Faster R-CNNよりも向上していた。

6. ２．SSD（ Single Shot MultiBox Detector）
先行研究に対して何がスゴイ？
技術の手法や肝は？
次に読むべき論文は？
Faster R-CNNに対して、画像識別処理速度の向上および再現性を向上させたこと。
U-Net: Convolutional Networks for Biomedical Image Segmentation
①スケールの異なる畳み込み層を追加することができ、各畳み込み層をデフォルトボックスとして使用する
ことにより様々なサイズの画像の検知を行う。
②デフォルトボックスごとに、クラス分類CNNおよび位置検出CNNを作成し、クラス特徴と位置特徴を算出
する。
③各デフォルトボックスとグランドトゥルースを比較し、IOUが高いものを抽出する。

7. ２．SSD（ Single Shot MultiBox Detector）
サイズが異なる畳み込
み層を追加することに
より、さまざまなス
ケールで検知できるよ
うにする。
クラス分類
CNN
位置検出
CNN
デフォルトボックス

8. ３．U-Net: Convolutional Networks for Biomedical Image Segmentation
どんなもの？
議論はある？
どうやって有効だと検証？
論文： U-Net: Convolutional Networks for Biomedical Image Segmentation
Olaf Ronneberger, Philipp Fischer, and Thomas Brox Computer Science Department and BIOSS Centre for Biological Signalling
Studies, University of Freiburg, Germany
U-Netは2015年に発表され、FCN（Fully Convolutional Network）に似た技術として注目され、主に意味のある
領域に分割することにより、画像の中の意味ある物体を検出する手法。主に医療分野での画像診断に大きな成果
を発揮した。
U-Net適用事例の一つである、電子顕微鏡記録のニューロン構造のセグメンテーションで、他のモデルに比べ
ワーピングエラーが最低であった。
SSDと本稿のU-Netの特徴を合わせたものが、先に話したFPNといわれている。SSDはボトムアップパスウエイ
とFeaturePyramidのみの機能を持つ。U-Nstはボトムアップパスウエイ、トップダウンパスウエイ、スキップ接
続機能を持つが、 FeaturePyramidの機能を持たない。

9. ２．SSD（ Single Shot MultiBox Detector）
先行研究に対して何がスゴイ？
技術の手法や肝は？
次に読むべき論文は？
一番目に発表したFPNのFuturePyramidにおける(c)Pyramidal feature hierarchyの特徴を持ち、ボトムアップ
パスウエイとトップダウンパスウエイを行うが、特徴マップを作成せず、ピクセル単位の特徴量を持つので、通
常の物体検知システムよりもノード数が多くなる。またFCNと同じようにボトムアップとトップダウンを接続す
るスキップ接続を行う。全結合層がなく畳み込み層だけであるのもFCNと同様である。
特になし
画像データの畳み込みと、その逆の画像データの復元処理を行うことで、画像の中の物体検知能力が向上したこ
と。