Feature Pyramid Network (FPN)

特徴ピラミッドネットワーク (FPN) は、さまざまなスケールの物体検出性能を向上させるために、最新の コンピュータービジョン (CV) システムで使用される、専門的なアーキテクチャコンポーネントです。これは、画像解析における長年の課題である、同じ画像内に存在する大きく目立つ構造と、小さく遠くにある細部の両方を認識することを効果的に解決します。入力のマルチスケール表現を、概念的にはピラミッドに似た形で生成することで、FPNはニューラルネットワークがあらゆる解像度レベルで豊富なセマンティック情報を抽出できるようにします。このアーキテクチャは通常、生の特徴を抽出する バックボーン と、物体クラスおよびバウンディングボックスを予測する 検出ヘッド の間に配置されます。

特徴ピラミッドネットワークの仕組み#

FPNの中核となる革新性は、情報の処理方法にあります。従来の 畳み込みニューラルネットワーク (CNN) は、入力画像を段階的にダウンサンプリングすることで、自然に特徴の階層を形成します。これによりセマンティックな理解（画像内に 何が あるか）は深まりますが、空間解像度（それが正確に どこに あるか）が低下しやすく、小さな物体が消えてしまいます。

FPNは、以下の3段階のプロセスによってこの問題に対処します。

1. ボトムアップ経路: これは、Residual Network (ResNet) などのネットワークにおける標準的なフィードフォワード処理です。ネットワークが画像を処理すると、サイズは小さくなる一方でセマンティックな価値は高まる 特徴マップ が生成されます。

2. トップダウン経路: ネットワークは、深い層から得られるセマンティックに豊かな特徴をアップサンプリングすることで、より高解像度のピラミッドを構築します。この段階では、強いコンテキストをより大きな空間マップに再導入します。

3. ラテラル接続: ダウンサンプリングで失われた鮮明な細部を復元するため、FPNはラテラル接続を介して、アップサンプリングした特徴とボトムアップ経路の元の高解像度マップを融合します。

この組み合わせにより、すべてのレベルで強いセマンティクスと優れた位置特定性能を備えたピラミッドが形成され、あらゆるサイズの物体に対する 適合率 と 再現率 が大幅に向上します。

物体検出アーキテクチャにおける重要性#

FPNは、最新の 物体検出アーキテクチャ の中核を成しています。FPNが登場する前は、モデルは速度（最終層のみを使用）と精度（処理に非常に時間がかかる画像ピラミッドを使用）のどちらかを選択する必要がありました。FPNは両方の利点を兼ね備えたソリューションを提供し、小さな物体の検出性能を犠牲にすることなく リアルタイム推論 を可能にします。

この効率性は、FPNの原理に着想を得た高度な特徴集約ネットワーク（PANetなど）を活用して最先端の性能を実現する YOLO26 のような高度なモデルにとって重要です。このアーキテクチャにより、モデルがエッジデバイスにデプロイされる場合でも、Ultralytics Platform を介して高性能なサーバーにデプロイされる場合でも、多様なデータセット全体で高い精度を維持できます。

実世界での利用例#

FPNのマルチスケール機能は、安全性と精度が極めて重要な業界で不可欠です。

• 自動車分野のAI: 自動運転車は、近くにいる大型トラックと、遠くにある小さな信号機や歩行者を同時に追跡する必要があります。FPNにより、認識スタックはこれらの異なるスケールを1回の処理で扱えるため、タイムリーな意思決定が可能になります。nuScenes のようなデータセットは、これらの機能のベンチマークによく使用されます。
• 医用画像解析: 診断画像では、サイズが大きく異なる病変を見つける必要があります。FPNを搭載したモデルは、MRIスキャン で大きな臓器構造と小さな早期腫瘍の両方を識別できるため、放射線科医による正確な診断を支援します。
• 農業分野のAI: 精密農業では、ドローン画像から作物や害虫を検出する必要があります。ドローンの飛行高度は変動するため、画像内の植物の大きさも変化します。FPNはモデルの汎化性能を高め、カメラの高さにかかわらず正確な 物体カウント を可能にします。

FPNとその他の特徴集約手法の比較#

標準的なFPNと、より新しいアーキテクチャに見られる発展型のバリアントを区別すると理解しやすくなります。

• FPNとPANetの比較: FPNが特徴を強化するためにトップダウン経路を追加するのに対し、Path Aggregation Network (PANet) はFPNの上に追加のボトムアップ経路を加えます。これにより低レベル特徴の情報経路が短縮され、位置特定性能がさらに向上します。この手法はYOLOモデルでよく応用されています。
• FPNとBiFPNの比較: EfficientDetで採用されている 双方向特徴ピラミッドネットワーク (BiFPN) は、異なる特徴に学習可能な重みを導入し、入力が1つしかないノードを削除することで、ネットワークを効率化します。

実践例#

ultralytics のような高度なライブラリは、FPNの構築に伴う複雑さを内部で処理します。YOLO26のようなモデルを読み込むと、アーキテクチャにはこれらの特徴集約層が自動的に組み込まれ、性能が最大化されます。

from ultralytics import YOLO

# Load the YOLO26 model, which uses advanced feature pyramid principles internally
# The 'n' suffix indicates the nano version, optimized for speed
model = YOLO("yolo26n.pt")

# Perform inference on an image containing objects of various sizes
# The model's neck (FPN-based) aggregates features to detect small and large items
results = model("https://ultralytics.com/images/bus.jpg")

# Display results to see bounding boxes around buses (large) and people (small)
results[0].show()