【講師向け】SSD・YOLO・Faster R-CNNはどう違う？物体検出の「御三家」を初心者に直感的に解説する方法

2026年1月26日 2026年1月26日山崎講師

山崎講師

こんにちは。ゆうせいです。

前回の記事では、SSDという技術単体にスポットライトを当てましたが、実際の研修現場では、受講生からこんな鋭い質問が飛んでくることがあります。

「先生、SSDが良いのは分かりましたが、YOLOとかFaster R-CNNとは何が違うんですか？」

「結局、どれを使えばいいんですか？」

この質問、ドキッとしますよね。

物体検出の世界には、いくつかの有名なライバルたちが存在します。初心者が混乱しやすいこの「ライバル比較」こそ、講師の腕の見せ所です。

今日は、専門的な比較表を丸暗記させるのではなく、それぞれの技術を「キャラクター」に見立てて、誰でも直感的に使い分けが理解できる教え方をご紹介します。

そもそも「2段階」か「1段階」か

まず、個別の技術に入る前に、物体検出には大きく分けて2つの流派があることを伝えましょう。

2段階（Two-stage）派：「あそこに何かありそうだ」と目星をつけてから、「それは何か？」と詳しく調べる慎重派。
1段階（One-stage）派：「あそこに人がいる！」と、発見と特定を同時に行う即断即決派。

これを、日常生活に例えてみましょう。

生徒さんにこう問いかけてみてください。

「あなたが無くしたコンタクトレンズを探すときと、待ち合わせ相手を人混みで探すとき、探し方は同じですか？」

コンタクトレンズ（2段階派）：床全体をくまなく見て、「お、何か光ってる（候補検出）」と近づき、「なんだ、ゴミか（クラス分類）」と確認しますよね。これは正確ですが時間がかかります。
待ち合わせ相手（1段階派）：ざっと景色全体を見て、「あ、いた！」と瞬時に判断しますよね。これは速いですが、見間違いもたまにあります。

この「正確さ」と「速さ」のトレードオフ（あちらを立てればこちらが立たずの関係）を理解してもらうことが、スタートラインです。

物体検出界の「御三家」キャラクター図鑑

では、ここから主要な3つの技術（Faster R-CNN、YOLO、SSD）をキャラクター化して紹介します。

1. 丁寧で慎重な「Faster R-CNN」

これは「2段階派」の代表格です。

彼は、画像の中に「物体がありそうな場所」をたくさんリストアップしてから、その一つ一つを丁寧に鑑定します。

特徴

精度：非常に高い（ $Accuracy \approx High$ ）
速度：遅い（ $Speed \approx Low$ ）
例え：顕微鏡を持った研究者。絶対に病気を見逃してはいけない「医療画像診断」などで活躍します。

2. 爆速の直感型「YOLO」

これは「1段階派」のスターです。

YOLO（You Only Look Once）という名前の通り、「一度見るだけ」で全てを終わらせます。画像をグリッド（格子状）に区切って、各エリアを同時に判定します。

特徴

精度：少し粗いことがある（ $Accuracy \approx Medium$ ）
速度：非常に速い（ $Speed \approx High$ ）
例え：動体視力の良いスポーツ選手。一瞬の判断が必要な「自動運転の歩行者検知」などで人気です。

3. バランスの達人「SSD」

そして我らが SSD です。

YOLOと同じく「1段階派」で速いのですが、YOLOの弱点を克服しようとした工夫が詰まっています。

初期のYOLOは、小さな物体を見つけるのが苦手でした。そこでSSDは、大きさの違う複数のフィルター（特徴マップ）を使ってチェックする仕組みを取り入れました。

特徴

精度： Faster R-CNNには負けるが、YOLO（初期）より良い傾向
速度： Faster R-CNNより圧倒的に速く、リアルタイムで動く
例え：複数のカメラを使いこなす敏腕警備員。

なぜ SSD はバランスが良いのか？

ここで、生徒さんが一番つまずくポイント、「SSDはどうしてYOLOより小さな物体に強いの？」（※YOLOのバージョンによりますが、概念として）を解説しましょう。

SSD の最大の特徴は「Multibox（マルチボックス）」という名前に隠されています。

生徒さんに、こんな質問をしてみてください。

「遠くの山を見るときと、手元のスマホを見るとき、目の使い方は同じですか？」

SSD は、画像の解析をするときに、異なる解像度の画像（特徴マップ）を何枚も用意して、それぞれで物体を探します。

大きい画像（細かい部分が見える） $\rightarrow$ 小さな物体を探す担当
小さい画像（全体がぼんやり見える） $\rightarrow$ 大きな物体を探す担当

このように、「大小さまざまな枠（ボックス）を用意して、それぞれのサイズが得意な層に探させる」という分業体制をとっているのです。だから、速いのに小さなものも見逃しにくいんですね。

結局、どう選べばいいの？

最後に、生徒さんが一番知りたい「選び方」の指針を示しましょう。

以下の基準を黒板に書くイメージで伝えてください。

絶対にミスが許されない、静止画の解析なら？ $\rightarrow$ 間違いなく Faster R-CNN です。レントゲン写真を見るのに、0.1秒である必要はありませんよね。
とにかくリアルタイム性重視、スマホで動かしたいなら？ $\rightarrow$ SSD や YOLO の出番です。防犯カメラや自動運転など、1秒遅れると事故になる場面です。
SSD と YOLO はどう使い分ける？ $\rightarrow$ 実はここが一番難しいところです。最近のYOLO（v5, v8など）は非常に進化しており、精度もSSDを上回ることがあります。ですので、初心者にはこう伝えましょう。「基本的な仕組みを学ぶなら構造が綺麗な SSD。最新の実装で手軽にアプリを作りたいならコミュニティが活発な YOLO」

今日のまとめ

いかがでしたでしょうか。

アルゴリズムの優劣を語るのではなく、「適材適所」であることを伝えるのがポイントです。

Faster R-CNN は「慎重な研究者（精度重視）」
YOLO は「直感的なスポーツ選手（速度重視）」
SSD は「大小の視点を持つバランス型警備員」

こうしてキャラクター化しておけば、今後新しいアルゴリズムが出てきても「これはどのタイプかな？」と考える土台ができます。

次回は、この中の「YOLO」を使って、実際に自分のスマートフォンを「AIの目」に変える実験の準備についてお話しします。理論が分かれば、実践はもっと楽しくなりますよ。

それでは、また次の記事でお会いしましょう。

セイ・コンサルティング・グループでは新人エンジニア研修のアシスタント講師を募集しています。

投稿者プロフィール

山崎講師代表取締役

セイ・コンサルティング・グループ株式会社代表取締役。
岐阜県出身。
2000年創業、2004年会社設立。
IT企業向け人材育成研修歴業界歴20年以上。
すべての無駄を省いた費用対効果の高い「筋肉質」な研修を提供します！
この記事に間違い等ありましたらぜひお知らせください。

学生時代は趣味と実益を兼ねてリゾートバイトにいそしむ。長野県白馬村に始まり、志賀高原でのスキーインストラクター、沖縄石垣島、北海道トマム。高じてオーストラリアのゴールドコーストでツアーガイドなど。現在は野菜作りにはまっている。