G検定（ジェネラリスト検定） ディープラーニングの応用例 練習問題 第2問: 2段階で物体を検出するR-CNN系のモデルに関する説明として、最も適切なものはどれか。

正解: 4. Mask R-CNNは、Faster R-CNNに、物体ごとのマスクを予測する枝を矩形の認識の枝と並列に加えたものである。

肢4が正解です。Mask R-CNNの論文（He ほか）は、Faster R-CNNに物体のマスクを予測する枝を、既存の矩形の認識の枝と並列に加えたと述べています。肢3は枝を置き換えたとしている点が誤りで、Mask R-CNNは矩形の検出とマスクの両方を出力します。肢1は誤りで、Faster R-CNNの論文（Ren ほか）は、Fast R-CNNまでの検出器が領域提案のアルゴリズムに頼り、その計算が速度のボトルネックになっていたと指摘しています。肢2も誤りで、Faster R-CNNのRPNは検出のネットワークと画像全体の畳み込み特徴を共有し、ほぼコストなしで候補を出します。RPNを導入したのはFaster R-CNNです。

関連キーワード: Fast R-CNN・Faster R-CNN・Mask R-CNN・RPN・物体検出