物体検出 とは？

画像認識は「この写真には猫が写っている」と判定するだけだけど、物体検出は「この写真のここに猫がいて、あそこに犬がいる」と、位置まで特定するんだ。四角い枠で囲んで「ここに猫（確信度95%）」みたいに表示するよ。

自動運転が一番わかりやすいかな。カメラで前方を撮影して、歩行者・車・信号・標識をリアルタイムで検出してるんだ。あとは監視カメラの不審者検出、小売店の棚の在庫管理なんかにも使われているよ。

YOLOというモデルが画期的だったんだ。名前は「You Only Look Once（一度見るだけ）」の略で、画像を一回処理するだけで全部の物体を同時に検出できる。それまでは画像を何回もスキャンする必要があったから、速度が劇的に上がったんだよ。

まだまだ難しい場面があるよ。例えば物体同士が重なり合っている「オクルージョン」という状況だと精度が落ちるし、小さい物体の検出も苦手なんだ。特に自動運転では遠くの小さな歩行者を確実に見つける必要があるから、見落としが命に関わる。精度と速度のトレードオフをどう最適化するかは、この分野の研究者がずっと取り組んでいる難題だよ。