EfficientDetは、Googleの研究者らによって開発され、2019年に発表された物体検出モデルのファミリーである。これらのモデルは、計算コストを最小限に抑えつつ高い精度を達成するように設計されており、モバイルデバイスやエッジコンピューティングプラットフォームなどのリソースが制約された環境での展開に適している。EfficientDetの核となる革新は、ニューラルネットワークの深さ、幅、入力解像度を同時に調整する複合スケーリング技術の応用であり、これにより様々なリソース予算にわたって性能を最適化する。
EfficientDetのアーキテクチャは、効率的な画像分類における初期の成功、特にEfficientNetモデルファミリーの研究に基づいている。EfficientNetは、ネットワークの次元を注意深くスケーリングすることで効率を大幅に向上できることを実証した。EfficientDetはこの原理を物体検出タスクに拡張しており、画像内の物体を分類するだけでなく、境界ボックスを用いてその位置を特定することも必要とする。このアーキテクチャは、双方向のクロススケール接続と重み付き特徴融合メカニズムによって強化された特徴ピラミッドネットワーク（FPN）を組み込んでおり、モデルが異なるスケールからの情報を効果的に組み合わせることを可能にする。
アーキテクチャと設計
EfficientDetのバックボーンは、特徴抽出器として機能する事前学習済みのEfficientNetモデルである。バックボーンは入力画像を処理し、複数の解像度で特徴マップのセットを生成する。これらの特徴マップは、その後、双方向特徴ピラミッドネットワーク（BiFPN）に供給され、異なるレベルからの特徴を反復的に融合する。単純な加算を使用する従来のFPNとは異なり、BiFPNは各入力特徴に学習された重みを適用し、ネットワークがより情報量の多いスケールを強調できるようにする。
EfficientDetモデルのヘッドは、分類と境界ボックス回帰を同時に実行する。すべての特徴レベルに対して共有の畳み込みヘッドを使用しており、これによりパラメータ数を削減し、効率を向上させている。設計には、バックボーンの深さ、BiFPNの深さと幅、入力解像度を均一にスケーリングする複合スケーリング手法も含まれており、単一のアーキテクチャを精度と速度の異なるトレードオフに適応させることができる。
複合スケーリング
複合スケーリングは、EfficientDetの効率性の背後にある重要な原則である。この方法は、EfficientNetで最初に導入され、ネットワークの深さ、幅、解像度を制御するために一連のスケーリング係数を使用する。EfficientDetの場合、スケーリング係数は検証セットでのグリッド検索によって決定され、FLOPsで測定される所与の計算予算の下で精度を最大化することを目的とする。
このアプローチは、各ターゲットプラットフォームに対して手動でのアーキテクチャ調整をしばしば必要とした初期の物体検出モデルとは対照的である。スケーリングプロセスを自動化することで、EfficientDetはEfficientDet-D0（最小）からEfficientDet-D7（最大）までのモデルファミリーを生成でき、それぞれが速度と精度の異なるバランスを提供する。例えば、EfficientDet-D0はCOCOデータセットで34.6の平均平均精度（mAP）を達成し、わずか25億FLOPsを必要とするのに対し、EfficientDet-D7は770億FLOPsで55.1 mAPを達成する。
性能と比較
EfficientDetは、リリース時に物体検出における効率の新しい基準を打ち立てた。COCOデータセットにおいて、これらのモデルはYOLOv3やFaster R-CNNなどの以前の最先端検出器よりも高い精度を達成し、より少ないFLOPsとパラメータでそれを実現した。例えば、EfficientDet-D2は110億FLOPsで43.0 mAPを達成し、650億FLOPsで33.0 mAPのYOLOv3を上回った。
効率の向上は、エッジデバイスで特に顕著であった。EfficientDet-D0やD1などの小型バリアントは、モバイルCPUやGPU上でリアルタイム動作するように設計されており、自動運転、監視、拡張現実などのアプリケーションに魅力的なものとなった。これらのモデルはまた、他の検出データセットで最小限の微調整で良好な性能を発揮し、強力な転移学習能力を実証した。
応用と影響
EfficientDetの導入は、効率的な物体検出におけるその後の研究に影響を与えた。重み付き双方向特徴融合や複合スケーリングなどの設計原則は、後のモデルで採用され、拡張された。EfficientDetは、製造における欠陥検出、医療画像解析、小売分析などのタスクのために、産業界で広く使用されている。
このモデルの効率性は、ARMベースのデバイスやその他の低電力ハードウェアへの展開にも人気のある選択肢となった。Apache 2.0ライセンスの下でリリースされたオープンソース実装は、学術研究者と産業界の実務者の両方による採用を容易にした。EfficientDetは、特に効率を重視する新しい物体検出アーキテクチャを比較するための関連するベースラインであり続けている。
限界と今後の方向性
EfficientDetは効率において大きな進歩を遂げたが、限界もある。複合スケーリング手法は固定アーキテクチャを前提としており、すべてのタスクやハードウェアに最適であるとは限らない。さらに、これらのモデルは主に2次元物体検出用に設計されており、インスタンスセグメンテーションや3次元検出などのタスクには直接対応していないが、バックボーンはそのような目的に適応させることができる。
その後の研究では、ニューラルアーキテクチャ検索や自動機械学習を探求し、検出モデルをさらに最適化している。Transformerベースの検出器（DETRやその変種など）の台頭は、検出パイプラインを簡素化するエンドツーエンドのアプローチへの関心のシフトももたらした。それにもかかわらず、EfficientDetの効率的なモデル設計への貢献は、現代の深層学習研究に情報を提供し続けている。