フィーチャーピラミッドネットワーク（FPN）

特徴ピラミッドネットワーク（FPN）は、ディープラーニングモデル、特に物体検出アーキテクチャ内のコンポーネントであり、様々なスケールの物体の検出を改善するように設計されている。任意の画像において、物体はその大きさやカメラからの距離によって大きく見えたり小さく見えたりする。FPNは、特徴のマルチスケール表現を効率的に作成することでこの課題に対処し、モデルが同時に、遠くの小さな車と近くの大きなトラックを高い精度で認識できるようにする。FPNは、主要な特徴抽出器とネットワークの最終的な予測コンポーネントの間のブリッジ（ネック）として機能する。

フィーチャーピラミッドネットワークの仕組み

FPNは、低解像度で意味的に強い特徴を、高解像度で意味的に弱い特徴と組み合わせることで機能する。このプロセスは通常、2つの経路と横方向の接続を持つ構造によって実現される。

1. ボトムアップ経路：これは畳み込みニューラルネットワーク（CNN）の標準的なフォワードパスで、モデルのバックボーンとして機能する。画像が連続するレイヤーを通過するにつれて、結果として得られる特徴マップは空間的なサイズは小さくなるが、意味的な深さは深くなる。
2. トップダウン経路：ネットワークは、最深層（小さいが情報量は豊富）から特徴マップを取り出し、アップサンプリングを開始する。
3. 横のつながり：トップダウン経路がより大きな特徴マップを再構成すると、それをボトムアップ経路の対応する特徴マップと融合させる。この融合により、アップサンプリングされたレイヤーは、前のレイヤーから得た、より細かく、より局所的な詳細情報で豊かになる。その結果、セマンティクスと空間的ディテールの両方が豊富な特徴マップの "ピラミッド "が生成され、予測用に検出ヘッドに送られる。オリジナルのFPN研究論文では、このプロセスの詳細な技術的説明がなされている。

物体検出におけるFPNの役割

典型的な物体検出モデルでは、アーキテクチャーは背骨、首、頭部に分割される。ネックコンポーネントにはFPNがよく使われる。その主な役割は、最終的な検出タスクに使用する前に、バックボーンによって抽出された特徴を集約することである。FPNは豊富なマルチスケール特徴表現を提供することで、YOLO11のようなモデルが幅広いオブジェクトサイズにわたってロバストな性能を発揮することを可能にする。このアプローチは、バックボーンのシングルフォワードパスで計算された特徴を再利用するため、複数の解像度で画像を個別に処理するよりも計算効率が高い。様々なYOLOモデルの比較に見られるように、多くの最先端モデルはこのコンセプトを活用している。

実際のアプリケーション

FPNは、マルチスケールの物体検出が重要な現代のコンピュータビジョン（CV）アプリケーションの多くに不可欠である。

• 自律走行車：自動運転車は、さまざまな距離の歩行者、車両、交通標識、車線標示を検出しなければならない。FPNは、カーネギーメロン大学などのリソースに詳述されているように、車両の知覚システムが遠くの歩行者と近くの車を同じフレーム内で識別するのに役立つ。
• 医療画像解析：放射線学では、FPNは医療スキャンを解析し、小さな病変や大きな腫瘍など、さまざまな大きさの異常を検出するのに役立つ。米国国立衛生研究所（NIH）が発表した研究によると、このマルチスケール機能により、病理学や腫瘍学などの分野で、より包括的で正確な自動診断が可能になる。

FPNとBiFPNの比較

FPNは大きな進歩を遂げたが、より新しいアーキテクチャがそのコンセプトを進化させている。注目すべき例は、Google ResearchのEfficientDet論文で紹介されたBi-directional Feature Pyramid Network（BiFPN）である。FPNの単純なトップダウン経路とは異なり、BiFPNは双方向接続（トップダウンとボトムアップの両方）を導入し、重み付けされた特徴融合を使用することで、ネットワークが異なる入力特徴の重要性を学習することを可能にする。これは、EfficientDet対YOLO11のような比較で強調されているように、性能と効率の向上につながることが多い。FPNは基礎的な概念であるが、BiFPNはマルチスケール特徴フュージョンのより高度で最適化されたアプローチである。