用語比較

YOLOとSSDの違い｜画像全体から回帰で直接予測するか、デフォルトボックスと複数の特徴マップを使うか（G検定）

YOLO（You Only Look Once）とSSD（Single Shot MultiBox Detector）は、どちらも領域提案を別に行わず、1つのニューラルネットワークで物体を検出する一段階の手法です。G検定では、この2つが同じ選択肢群に並び、どちらの説明かを問われることがあります。

YOLOは物体検出を境界ボックスとクラス確率の回帰問題として捉え、SSDは縦横比と大きさの異なるデフォルトボックスと複数の特徴マップで検出すると覚えると、選択肢を切り分けられます。

このページは、2つの原論文（arXivの要旨）の記述をもとに、検出の捉え方・大小の物体への対応・速度で比べます。二段階の手法との違いは、YOLOとFaster R-CNN、SSDとFaster R-CNNの各ページにあります。

この記事の根拠と出典

各セクションの見出しの下に、公式資料で確認した内容か編集部の整理かをラベルで示しています。試験日・料金・申込条件・試験方式は変わることがあるため、申込前に公式サイトで確認してください。G検定の一次情報確認日: 2026-10-02。

結論

YOLO

物体検出を、空間的に分離された境界ボックスとクラス確率への回帰問題として捉える。画像全体から1回の評価で、境界ボックスとクラス確率を直接予測する。

SSD

特徴マップの各位置に、縦横比と大きさの異なるデフォルトボックスを置く。解像度の異なる複数の特徴マップの予測を組み合わせて、さまざまな大きさの物体を扱う。

見分け方

選択肢に「回帰問題」「画像全体から1回の評価」があればYOLO、「デフォルトボックス」「複数の特徴マップ」があればSSD。

違いを表で確認

比較軸	YOLO	SSD
検出の捉え方	YOLO：物体検出を、境界ボックスとクラス確率への回帰問題として捉え直す	SSD：境界ボックスの出力空間を、位置ごとのデフォルトボックスの集合に離散化する
予測の出し方	YOLO：1つのネットワークが、画像全体から1回の評価で境界ボックスとクラス確率を直接予測する	SSD：各デフォルトボックスの物体カテゴリのスコアを出し、物体の形に合うようボックスの調整を出力する
大小の物体への対応と誤りの傾向	YOLO：最先端の検出システムと比べ、位置の誤りは多いが、物体のない場所を誤って検出することは大幅に少ない	SSD：解像度の異なる複数の特徴マップの予測を組み合わせて、さまざまな大きさの物体を扱う
領域提案の有無	YOLO：検出のパイプライン全体が単一のネットワークで、エンド・ツー・エンドで最適化できる	SSD：提案生成とその後の再サンプリングの段階を完全になくし、すべての計算を1つのネットワークにまとめる
原論文の速度と精度	YOLO：基本モデルは毎秒45フレーム。小型版のFast YOLOは毎秒155フレームで、他のリアルタイム検出器の2倍のmAP	SSD：300×300入力でVOC2007テストのmAP 72.1%・58FPS（Titan X）。500×500入力でmAP 75.1%

G検定の学習に使う書籍（Amazon）

試験範囲を通して読むときの1冊です。読んだ章は、このサイトの章別問題で確かめられます。

深層学習教科書ディープラーニング G検定（ジェネラリスト）公式テキスト第3版の表紙

深層学習教科書ディープラーニング G検定（ジェネラリスト）公式テキスト第3版試験を実施する日本ディープラーニング協会が監修した公式テキストです。Amazonで見る

ほかの資格を含む参考書・問題集の一覧を見る

どこで迷っているかを切り分ける

「回帰問題として捉える」という選択肢を問われる人

YOLOです。従来は分類器を検出に転用していたのに対し、境界ボックスとクラス確率を直接予測する回帰問題として定式化し直しました。

「デフォルトボックス」「複数の特徴マップ」という語が出る人

SSDです。位置ごとに縦横比と大きさの異なる枠を置き、複数の解像度の特徴マップで大小の物体を扱います。

2つの一段階の手法の優劣を問われる人

FPSやmAPは、2つの原論文で入力サイズ・GPU・比較対象が異なります。数値だけで優劣を決めず、条件を確かめて読みます。

具体例で使い分ける

例 1

選択肢に「回帰問題」が出る場合（架空の場面）

「物体検出を境界ボックスとクラス確率への回帰問題として捉え、画像全体から1回の評価で予測する手法はどれか」という問いがあります。

画像全体から1回の評価で直接予測し、回帰問題として捉える記述は、YOLOのものです。
SSDも一段階ですが、説明はデフォルトボックスと複数の特徴マップで行われます。

結論: 回帰問題と画像全体からの1回の評価ならYOLOです。

例 2

YOLOとSSDのどちらかを選ぶ問いで「デフォルトボックス」が出る場合（架空の場面）

「縦横比と大きさの異なる枠を各位置に置き、複数の特徴マップの予測を組み合わせる手法はどれか」という問いがあります。

枠をあらかじめ置いて、その枠ごとにスコアと位置の調整を出す方式は、SSDの記述です。
YOLOの抄録は、境界ボックスとクラス確率の直接予測を述べていて、デフォルトボックスという語は使いません。

結論: デフォルトボックスならSSDです。

例 3

速度の数値を比べるよう求められる場合

YOLOの毎秒45フレームと、SSDの58FPSを並べて、どちらが速いかを問われています。

YOLOの45フレームは基本モデルの値で、SSDの58FPSは300×300入力をNvidia Titan Xで処理した値です。論文ごとに条件が違います。
YOLOの小型版Fast YOLOは毎秒155フレームで、同じYOLOでもモデルによって数値が変わります。

結論: 数値は条件を確かめて読みます。条件をそろえずに、速い遅いを決めません。

問題文から答えを選ぶ手順

1
領域提案の有無を見る
どちらも領域提案を使わない一段階の手法です。二段階のFaster R-CNNと区別するときに使います。
2
検出の捉え方を見る
回帰問題として直接予測するならYOLO、デフォルトボックスを置くならSSDです。
3
大小の物体への対応を見る
複数の解像度の特徴マップを組み合わせる記述はSSDです。
4
数値は条件を確かめる
FPSやmAPは入力サイズ・GPU・モデルの版で変わるため、条件をそろえずに優劣を決めません。

試験での見分け方

1YOLOは、物体検出を境界ボックスとクラス確率の回帰問題として捉え、画像全体から1回の評価で直接予測する。
2SSDは、位置ごとに縦横比と大きさの異なるデフォルトボックスを置き、複数の特徴マップの予測を組み合わせる。
3YOLOもSSDも、領域提案を別に行わない一段階の手法である。
4速度と精度の数値は、入力サイズ・GPU・モデルの版の条件を確かめて読む。

誤答しやすい選択肢

SSDだけが一段階の手法だと考える

修正: YOLOも1つのネットワークで直接予測する一段階の手法です。違いは、回帰問題として捉えるか、デフォルトボックスを使うかです。

デフォルトボックスをYOLOの用語と考える

修正: デフォルトボックスはSSDの用語です。YOLOの抄録は、境界ボックスとクラス確率の直接予測と述べています。

FPSの数字だけで優劣を決める

修正: YOLOの45フレームとSSDの58FPSは、別々の論文の条件で出た値です。そのまま比べません。

確認問題

Q1物体検出を境界ボックスとクラス確率の回帰問題として捉え、画像全体から1回の評価で予測する手法は？

答え: YOLO（You Only Look Once）

検出のパイプライン全体が単一のネットワークで、エンド・ツー・エンドで最適化できます。

Q2縦横比と大きさの異なるデフォルトボックスと、複数の特徴マップの予測で検出する手法は？

答え: SSD（Single Shot MultiBox Detector）

提案生成とその後の再サンプリングの段階をなくし、すべての計算を1つのネットワークにまとめます。

Q3YOLOとSSDに共通する、二段階の手法との違いは？

答え: 領域提案を別に行わず、1つのネットワークで検出する一段階の手法であること

二段階のFaster R-CNNは、領域提案ネットワークで領域を出してから検出します。

到達チェック

YOLOとSSDがどちらも一段階の手法だと言える
回帰問題とデフォルトボックスを使い分けられる
速度の数値は条件を確かめて読むと言える

同じ資格で次に知りたいこと

Mask R-CNNとFaster R-CNNの違い｜箱で囲むか、物体ごとのマスクまで出すか（G検定）
Mask R-CNNとFaster R-CNNの違いを、出力（境界ボックスとマスク）、追加された並列の枝、対応するタスクで整理。G検定の物体検出とインスタンスセグメンテーションで選択肢を切り分ける判断手順と確認問題つき。
GoogLeNetとResNetの違い｜Inceptionで幅と深さを増やすか、残差学習で152層まで深くするか（G検定）
GoogLeNetとResNetの違いを、設計の狙い（計算予算を保った深さと幅、残差学習）、層の数、ILSVRCでの成績で整理。G検定の画像認識で選択肢を切り分ける判断手順と確認問題つき。
AlexNetとLeNetの違い｜手書き文字認識と、ILSVRC-2012優勝の構成・成績（G検定）
AlexNetとLeNetの違いを、題材（手書き文字認識とImageNet）、層の数、ReLU・GPU・dropoutの工夫、ILSVRC-2012での成績で整理。G検定の画像認識で選択肢を切り分ける判断手順と確認問題つき。

よくある質問

QYOLOとSSDの違いは？

どちらも一段階の手法です。YOLOは物体検出を境界ボックスとクラス確率の回帰問題として捉え、SSDはデフォルトボックスと複数の特徴マップで検出します。

QYOLOとSSDはどちらが速いですか？

原論文では、YOLOの基本モデルが毎秒45フレーム、SSDが300×300入力で58FPSと述べられています。ただし論文ごとに入力サイズやGPUなどの条件が違うため、そのまま優劣を決めないでください。

QYOLOとSSDは領域提案を使いますか？

どちらも使いません。YOLOは単一のネットワークで直接予測し、SSDは提案生成とその後の再サンプリングの段階をなくしています。

次に見る比較

G検定・DS検定・統計検定2級で重なる用語10語の比較
同じ名前の用語の定義と収録章を、資格ごとに並べます。
ベイズの定理と条件付き確率の違い（統計検定2級の式と計算例）
求める確率の向きの違いと、陽性になる確率の計算例を確かめます。
紛らわしい用語ペア早見表
混同しやすい用語の違いと判定の手掛かりを、資格別の一覧で確かめます。

シェア:Xでシェア LINEでシェア

執筆: ミナト編集部（運営者情報を見る）