Faster R-CNN: リアルタイムの物体検出に向けた領域提案ネットワーク

最先端の物体検出ネットワークは、物体の位置を仮定するために領域提案アルゴリズムに依存しています。SPPnet 1 や Fast R-CNN 2 のような進展により、これらの検出ネットワークの実行時間は短縮され、領域提案計算がボトルネックとして浮上しました。本研究では、検出ネットワークと完全な画像畳み込み特徴を共有する領域提案ネットワーク (RPN) を導入し、ほぼコスト無料での領域提案を可能にします。RPNは、各位置で物体の境界と物体スコアを同時に予測する完全畳み込みネットワークです。RPNは、Fast R-CNNによる検出のために高品質な領域提案を生成するようにエンドツーエンドで訓練されています。さらに、RPNとFast R-CNNを畳み込み特徴を共有することにより単一ネットワークに統合し、最近人気のある「注意」メカニズムを持つ神経ネットワークという用語を使用して、RPNコンポーネントが統一ネットワークにどこを見ればよいかを指示します。非常に深いVGG-16モデル3では、我々の検出システムはGPU上で5fpsのフレームレートを持ち、300提案のみでPASCAL VOC 2007、2012、MS COCOデータセットにおいて最先端の物体検出精度を達成しています。ILSVRCおよびCOCO 2015コンペティションでは、Faster R-CNNおよびRPNがいくつかのトラックで1位受賞エントリーの基盤となっています。コードは公開されています。