✅
YOLO
はじめに
概要
- シラバス：E資格2024#2
- YOLOを勉強する
キーワード
YOLO, グリッドセル, 1ステージ検出
学習内容
YOLO(You Only Look Once)
- 「1回のCNN実行で物体検出を一気に完了させる」高速な物体検出モデル
- 位置（バウンディングボックス）とクラス（ラベル）を、画像全体を一度だけ見ることで一括で予測する
- 画像全体を一度だけ見る = You Only Look Once
基本構造
- 入力画像を正方形の固定サイズ（例：416×416）にリサイズ
- CNN を通して特徴マップを生成
- 候補領域検出を行わない代わりに、特徴マップをS×Sのグリッドに分割(グリッドセル)
- 各グリッドが 物体を含むかどうか予測し、バウンディングボックスを出力
出力される内容
各グリッドセルからは以下の情報が出力されます
- バウンディングボックスの中心座標（x, y）
- バウンディングボックスの幅と高さ（w, h）
- 信頼度（そのボックスに物体がある確率）
- 各クラスの確率（犬、人、猫、など）
特徴
- 「検出」と「識別」を同時に行うため、処理速度が速い
- 画像全体を見るため、背景の間違いが少ない
- 汎化性能が高く、絵などの識別に優れている
- 小さなものの検出が苦手
- 一つのグリッドから２つのバウンディングボックスしか生成されないため、密接したオブジェクトに弱い
1ステージ検出
- 「物体の位置（バウンディングボックス）」と「クラス（何の物体か）」を、1回のCNN処理だけで同時に予測する検出方式
- 代表モデル：YOLO、SSDなど
| 検出方式 | 特徴 |
|---|---|
| 1ステージ検出 | 一度の処理で「位置＋クラス」を同時に予測。高速（リアルタイム向け） |
| 2ステージ検出 | まず候補領域を出し、次にその分類と位置修正を行う。高精度（遅め） |
Discussion