FPN

FPNは、物体検出モデルにおいて、画像内の様々な大きさの物体を精度よく検出するために、異なる解像度の特徴マップを階層的に融合するアーキテクチャです。画像認識では物体の大きさが様々であるため、単一の解像度では小さな物体と大きな物体の両方を正確に捉えることが困難です。

ネットワークの仕組みとして、低解像度で意味情報の強い上位層の特徴を、高解像度の下位層へトップダウンで伝播させます。同時に、ボトムアップの経路から得られる詳細な位置情報と融合させることで、どのスケールの特徴もバランスよく活用可能にします。この結果、ピラミッド状に情報を整理し、検出能力を飛躍的に高めています。

G検定での視点としては、物体検出モデルの精度を向上させるための技術として重要です。特徴マップを単に重ねるのではなく、階層的に統合するアプローチである点を理解しておく必要があります。R-CNN系モデルなどの物体検出手法の発展とあわせて、精度の高い検出を実現する仕組みとして記憶します。