1日1分 E資格問題 No.23「FCOS」

E資格問題にチャレンジ！本日のお題は「FCOS」

問題
答え
解説

問題

[問題]
以下のうち、FCOSについて誤っているものはどれか。

(A) FCOSはアンカーボックスのサイズ・アスペクト比・数を事前に設定する。
(B) FCOSはFeature Pyramid Network(FPN)により生成される複数のサイズの特徴マップを用いて、大小様々な物体を検出できる。
(C) FCOS はバウンディングボックスの座標ではなく、各ピクセル座標においてフレームまでの距離を回帰する。
(D) FCOS では対象物体の中心から離れた位置に低品質の予測バウンディングボックスが生成されるため、対策としてCenter-nessブランチが導入された。

答え

解説

FCOS（Fully Convolutional One-Stage Object Detection）は、物体検出のための深層学習ベースのアルゴリズムです。従来の物体検出アルゴリズムはアンカーボックスを用いるものが多かったのに対し、FCOSはアンカーフリーであることが大きな特徴です。アンカーボックスはサイズ・アスペクト比・数などの事前設定で精度が大きく変動することや、ポジティブサンプル数とネガティブサンプル数が不均衡になる等の課題がありましたが、FCOSによりこれらの課題が解決します。したがって、(A)は誤った記述です。

FCOSはFeature Pyramid Network(FPN)を通じて特徴マップを作り、「head」と言う拡張部分を各特徴マップの後に追加して、クラス分類(Classification)、バウンディングボックス回帰(Regression)、センターネス(Center-ness)を学習するモデルです。

FCOSはFPNを用いて複数のサイズの特徴マップを生成します。サイズの小さな特徴マップは大きい物体検出し、大きな特徴マップは小さい物体を検出しています。大きな特徴マップに対して小さな特徴マップをアップサンプリングして加える事で大局的特徴を強化しています。したがって、(B)は正しい記述です。

一般的なアンカーボックス法は特徴マップの各点に複数個のアンカーボックスを設定するに対して、FCOSは特徴マップ上の各点を1個のサンプルとして計算します。例えば、特徴マップ上のある点が物体のground truthのバウンディングボックス内に入っていたら、その点をポジティブサンプルと判定します。これによりFCOSはより多くポジティブサンプルを得て不均衡状況を改善しています。

また一般の物体検出のバウンディングボックスは(x, y, w, h)などの座標を使いますが、FCOSは点とground truthの上下左右距離(l, t, r, b)を使って表記します。したがって、FCOS ではバウンディングボックスの座標ではなく、下図のように各ピクセル座標においてフレームまでの距離を回帰します。したがって、(C)は正しい記述です。

FCOS で特徴的な点は、Center-ness ブランチが導入された点です。 FCOS では対象物体の中心から離れた位置に、低品質の予測バウンディングボックスが多数生成される課題があり、Center-ness ブランチはその対策として導入されました。したがって、(D)は正しい記述です。

FCOSは、高速で精度の高い物体検出が可能なアルゴリズムとして広く使われています。一般的な物体検出タスクやリアルタイムの応用に適しています。

より詳細に学びたいならキカガクの「AI人材育成長期コース」がオススメ！まずは無料相談から。

E資格の勉強方法を徹底解説！プログラミング経験・AI知識ゼロの社会人が挑戦した結果

E資格はディープラーニングに関する知識や技術を有していることを証明するエンジニア向けの資格です。プログラミング経験やAI知識がゼロでも、社会人として勤務しながらE資格に合格することができました。その秘訣をこのブログでお伝えしようと思います。