⑤ ディープラーニングの応用例 ／ 26. 画像認識
FPNとは
FPNとは、異なる解像度の特徴マップを統合するピラミッド構造により、小さな物体の検出精度を向上させる仕組みです。Feature Pyramid Networkの略です。
この用語はG検定シラバスの「26. 画像認識」に含まれます。 章全体の用語は用語解説⑤（全133語）にまとまっています。
一言でいうと
解像度の違う特徴マップを組み合わせて、小さな物体も見つけやすくする構造です。
小さな物体はなぜ難しいのか
CNNでは層が深くなるほど解像度が下がり、意味的な情報が増えます。
- 浅い層：解像度は高いが、意味的な情報が乏しい
- 深い層：意味は豊かだが、小さな物体は消えてしまう
どちらか一方では、小さな物体をうまく検出できません。
上から情報を戻す
FPNは深い層の情報を上へ戻しながら浅い層と統合します。これによって高解像度でありながら意味的にも豊かな特徴マップが各段階で得られます。
この構造はFaster R-CNNなど既存の検出器に組み込んで使われ、小さな物体の精度を大きく改善しました。
汎用的な部品
FPNは単独のモデルではなく他の検出器に組み込む部品です。そのため多くの手法で採用されています。
複数スケールを扱うという発想はPSPNetやInceptionとも共通しており、画像処理で繰り返し現れる基本形です。
🎯 G検定での押さえどころ
- 異なる解像度の特徴マップを統合する
- 小さな物体の検出精度を向上させる
- 既存の検出器に組み込んで使う
⚠️ よくある誤りの選択肢
- 「FPNは大きな物体の検出のみを改善する」→ 誤り。小さな物体の検出改善が主眼です
📘 もっと深く学ぶ
- 数式レベルまで踏み込んだ解説 → 医療AIナビ「FCOS」（E資格向け）
関連する用語
ご利用にあたって 本ページの内容は、JDLAが公開しているG検定シラバス2024や公式テキストなど、一般に公開されている情報をもとに独自に整理・解説したものです。実際の試験の出題内容を示すものではなく、また合格を保証するものでもありません。制度・法令・試験要項は変更されることがあるため、最新の情報は必ずJDLA公式サイトでご確認ください。