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3問: 物体検出のモデルに関する説明として、最も不適切なものはどれか。

正解: 3. FPNは、拡大・縮小した複数の入力画像を別々のCNNに通し、その出力の平均で多スケールに対応する。

肢3が不適切です。FPNの論文（Lin ほか）は、画像を拡大・縮小して特徴のピラミッドを作る方法は計算とメモリの負担が大きいとし、1つのCNNが元から持つ多段の階層を利用して、上位の層から戻る経路と横方向の接続で各スケールの特徴マップを少ない追加コストで作りました。肢1はYOLOの論文（Redmon ほか）の説明どおりで、1つのネットワークが画像全体から矩形とクラスの確率を1回の評価で予測します。肢4も同じ論文の報告どおりで、位置の誤りは多いが、背景を物体と誤る検出は少ないとしています。肢2はSSDの論文（Liu ほか）のとおりで、解像度の異なる複数の特徴マップの予測を組み合わせて大きさの違う物体を扱います。

関連キーワード: YOLO・SSD・FPN・物体検出・特徴マップ