データ処理と深層学習による物体検出アルゴリズム
令和8年1月8日|p.12
左の本文を選ぶと、右側の官報原文画像で該当箇所を照合できます。
### 2.2.2.1 R-CNN系列算法
R-CNN（Region-based Convolutional Neural Networks）是第一个将深度学习应用于目标检测的算法。它首先使用选择性搜索（Selective Search）生成候选区域，然后将这些区域输入到CNN中提取特征，最后使用支持向量机（SVM）进行分类和边界框回归。
Fast R-CNN是对R-CNN的改进，它将候选区域的特征提取和分类整合到一个网络中，提高了检测速度。Faster R-CNN进一步引入了区域提议网络（RPN），实现了端到端的训练和推理。
### 2.2.2.2 YOLO系列算法
YOLO（You Only Look Once）是一种单阶段目标检测算法，它将目标检测问题转化为一个回归问题。YOLO将图像划分为网格，每个网格负责预测固定数量的边界框和类别概率。
YOLOv2、YOLOv3等后续版本在精度和速度上都有了显著提升。YOLOv4和YOLOv5进一步优化了网络结构和训练策略，使其在实际应用中更加高效。
### 2.2.2.3 SSD系列算法
SSD（Single Shot MultiBox Detector）也是一种单阶段目标检测算法。它在不同尺度的特征图上进行预测，能够有效地检测不同大小的目标。
SSD通过引入多尺度特征图和默认框（default boxes）来提高检测精度。后续的SSD variants如DSSD、RefineDet等进一步提升了性能。
報