Ｔｒａｎｓｆｏｒｍｅｒを用いた代表的検出モデル「ＤＥＴＲ」を中心に、ＶｉＴ（Ｖｉｓｉｏｎ　Ｔｒａｎｓｆｏｒｍｅｒ）による物体領域の検出、「ＣｅｎｔｅｒＮｅｔ」による中心点予測型の検出、言語生成型アプローチである「Ｐｉｘ２Ｓｅｑ」、さらには「ＲｅｔｉｎａＮｅｔ」などのＣＮＮ系アーキテクチャまで幅広くカバー、近年の物体検出分野の主要モデルを比較・理解しながら習得できます。全編にわたり、「Ｋｅｒａｓ」（一部対応）と「ＰｙＴｏｒｃｈ」の両ライブラリに対応しており、モデルの構築、推論、可視化、バックボーン（ＲｅｓＮｅｔ１０１／１５２）の変更や、ＣＯＣＯデータセットを用いた大規模推論処理の実装までを丁寧に解説しました。画像分類のその先…「どこに、何があるのかを検出する」という実践的課題に挑むすべての人におすすめの一冊です。

１章　開発環境について
２章　ＶｉＴモデルによる物体領域の検出（Ｋｅｒａｓ）
３章　ＶｉＴモデルによる物体領域の検出（ＰｙＴｏｒｃｈ）
４章　ＣｅｎｔｅｒＮｅｔによる物体領域の検出（ＰｙＴｏｒｃｈ）
５章　ＤＥＴＲモデルによる物体検出（ＲｅｓＮｅｔ‐１０１）
６章　ＲｅｓＮｅｔ‐１５２をバックボーンとするＤＥＴＲによる物体検出
７章　ＣＯＣＯトレーニングセットを使用した物体検出
８章　事前トレーニング済みＤＥＴＲモデルによる物体検出
９章　Ｐｉｘ２Ｓｅｑモデルを用いた物体検出（ＰｙＴｏｒｃｈ）
１０章　ＲｅｔｉｎａＮｅｔによる物体検出（Ｋｅｒａｓ）