Two-Stage物体検出器

2段階物体検出器は、コンピュータビジョンにおいて画像内のアイテムを識別し、位置を特定するために使用される、洗練された 深層学習（DL）アーキテクチャの一種です。シングルパスでdetectionを実行する1段階検出器とは異なり、これらのモデルはタスクを領域提案と物体分類の2つの異なるフェーズに分割します。この分岐アプローチは、高い位置特定精度を優先するために開拓され、これらの検出器を 人工知能（AI）の進化において歴史的に重要なものとしました。「どこに」と「何を」を分離することで、2段階検出器は、特に小型または遮蔽された物体に対して優れた精度を達成することがよくありますが、これは通常、計算リソースの増加と 推論レイテンシの低下という代償を伴います。

2段階プロセス

ツーステージ検出器のアーキテクチャは、人間がシーンを注意深く精査する方法を模倣したシーケンシャルなワークフローに依存しています。

1. 領域提案:最初の段階で、モデルは入力画像をスキャンして、オブジェクトが存在する可能性のある領域を特定します。領域提案ネットワーク（RPN）として知られるコンポーネントは、関心領域（RoI）と呼ばれることが多い、候補ボックスの疎なセットを生成します。この段階では、背景の大部分がフィルタリングされ、ネットワークが関連する領域に処理能力を集中できるようになります。
2. 分類と精密化: 第2段階では、モデルは畳み込みニューラルネットワーク (CNN) を使用して、これらの候補領域から特徴を抽出します。次に、各領域に特定のクラスラベル（例：「人」、「車両」）を割り当て、オブジェクトを密接に囲むようにバウンディングボックスの座標を精密化します。

このアーキテクチャの代表的な例としては、R-CNNファミリー、特にFaster R-CNNとMask R-CNNが挙げられ、これらは数年間にわたり学術的なベンチマークの標準を確立しました。

単段検出器との比較

2段階モデルを、Single Shot MultiBox Detector (SSD) やUltralytics YOLOシリーズのような1段階object detectorsと区別することは有用です。2段階モデルが領域を個別に処理することでaccuracyを優先するのに対し、1段階モデルはdetectionを単一の回帰問題として捉え、画像ピクセルをバウンディングボックスの座標とクラス確率に直接マッピングします。

歴史的に、これによりトレードオフが生じました。2段階モデルはより正確でしたが遅く、1段階モデルは高速でしたが精度が劣りました。しかし、現代の進歩により、この境界線は曖昧になっています。YOLO26のような最先端モデルは、2段階検出器の精度に匹敵しながら、リアルタイム推論に必要な速度を維持するエンドツーエンドアーキテクチャを利用しています。

実際のアプリケーション

2段階検出器は、精度と再現率を重視するため、生の処理速度よりも安全性と詳細が重要視されるシナリオでしばしば好まれます。

• 医用画像診断: ヘルスケアAIの分野では、診断を見落とすことは致命的となる可能性があります。医用画像解析では、X線やMRIスキャンにおける腫瘍などの異常をdetectするために、2段階アーキテクチャが頻繁に用いられます。この多段階プロセスにより、複雑な組織背景の中で小さな病変が見落とされないようにし、放射線科医に高い信頼性のある自動支援を提供します。
• 高精度産業検査:スマートマニュファクチャリングにおいて、自動外観検査システムはこれらのモデルを使用して、組立ライン上の微細な欠陥を特定します。例えば、タービンブレードのヘアラインクラックをdetectするには、2段階検出器が提供する高いIntersection over Union (IoU)精度が必要であり、完璧なコンポーネントのみが次の生産段階に進むことを保証します。

最新の detect の実装

2段階 detect モデルは高精度ビジョンの基礎を確立しましたが、現代の開発者は、同等のパフォーマンスをよりはるかに簡単なデプロイメントワークフローで提供する高度な1段階モデルをしばしば利用します。 Ultralytics Platformは、これらのモデルのトレーニングとデプロイメントを簡素化し、データセットと計算リソースを効率的に管理します。

以下のpythonの例は、最新のオブジェクトdetectワークフローを使用して推論をロードおよび実行する方法を示しています。 ultralyticsは、従来の2段階アプローチと同様の高精度な結果を、より高い効率で達成します。

from ultralytics import YOLO

# Load the YOLO26 model, a modern high-accuracy detector
model = YOLO("yolo26n.pt")

# Run inference on an image to detect objects
results = model("https://ultralytics.com/images/bus.jpg")

# Process results (bounding boxes, classes, and confidence scores)
for result in results:
    result.show()  # Display the detection outcomes
    print(result.boxes.conf)  # Print confidence scores