Now Loading...

Now Loading...

R-CNN

R-CNN

R-CNNは2段階モデルの物体検出タスクモデルです。

このモデルではまずselective Researchを用いて物体の特徴を示すであろう矩形領域を複数選定します。次にこれらの抽出された矩形領域をCNNを用いて特徴量を出力します。この特徴量は出力層の一つ手前の全結合層の値を用います。ここで、CNNに入力する矩形領域を同一サイズにする必要があります。そこで抽出された矩形領域を変形させ、リサイズを行います。そして最後に特徴量をサポートベクトルマシン(SVM)を利用してクラス分類を行い、回帰モデルによって矩形領域を出力します。しかし、このSVMは分類したい種類の数だけ用意する必要があります。
この手法は物体候補の領域ごとにCNNを用いるため、処理に時間がかかってしまいます。

クイズ

以下の文章を読み、空欄(ア)に最もよく当てはまる選択肢を1つ選べ。 一般画像認識で用いられる(ア)は、関心領域を切り出した後に領域ごとにCNNを用いて物体認識を行う二段階のモデルであり、処理に時間がかかる。
  • 正解を見る
  • 解説を見る
    R-CNN(Regional CNN)は,画像中の物体の位置と名前(カテゴリ)を予測する物体検出に用いられるモデルです.初めに従来手法を用いて物体がある関心領域を切り出し,各領域それぞれに対してCNNを用いてクラス分類を行います.このように二段階のモデルとなっているため,処理に時間がかかります. (参考: G検定公式テキスト 第2版 第6章 6-3 P222-223) (参考:G検定公式テキスト 第1版 P191)

特別割引クーポンのお知らせ

<人工知能基礎&G検定実践問題集>

・クーポン:aibgt220920-2bso
・有効期間:2022年10月21日(金)

*使い方:以下バナーより「購入する」に進んでいただき、左下のクーポン欄にご記入、適用してください。

zero to one G検定 jdla

<G検定実践トレーニング>

・クーポン:gt220920-1dao
・有効期間:2022年10月21日(金)

*使い方:以下バナーより「購入する」に進んでいただき、左下のクーポン欄にご記入、適用してください。

zero to one G検定 jdla

関連ワード

ディープラーニングの手法

畳み込みニューラルネットワーク

深層生成モデル

画像認識分野

音声処理と自然言語処理分野

深層強化学習分野

モデルの解釈性とその対応

モデルの軽量化