Mambaで物体検出 完全に理解した

「エンジニア達の「完全に理解した」Talk　#67」（ https://easy2.connpass.com/event/360405/ ）にて発表させていただきました。

Transcript

1. 次世代のアーキテクチャ？ Mambaで物体検出 完全に理解した Reiki Shirasawa エンジニア達の「完全に理解した」Talk 　 #67 2025年7 月 29 日
2. 自己 紹介 株式会社TechSword 製造領域の ノーコードAIプラットフォーム - エッジAI - 物体検出AI Reiki Shirasawa @reikishirasawa
3. 今 日 話す内容 - ふんわりした Mambaって何？なんで 生 まれたの？ - ふんわりした Mambaの画像認識(物体検出)分野への適 用 事例
4. 世はTransformer時代 主要な 大 規模 言 語モデルは Transformer がベースになっている
5. 画像認識の分野でも - DETR( 2 0 2 0 ) Transformer × 物体検出の先駆け - Swin Transformer(2021) 軽量と 高 精度を両 立 したい - SAM(2023) ゼロショットでセグメンテーション
6. アーキテクチャの変遷 CNN Transformer ?
7. Transformerの課題 計算量 大 きくなりがち , はトークン 長 に関連 の計算が発 生 してしまう Q K N O(N2) Attention(Q, K, V) = softmax( QKT dk )V
8. もっと効率的に！ でっかいコンテキスト 入 れたい
9. Mamba
10. ここがすごいぞMamba Mamba( 2 0 2 3 ) - 計算量が線形 にスケール - 同サイズのTransformerの5倍速 O(N)
11. Mambaってどんなやつ？ SSM(構造化状態空間モデル)を発展させたもの
12. SSMってどんなやつ？ SSMの基本式 ht = ¯ Aht−1 + ¯ Bxt yt = Cht 入力 とひとつ前の状態から 出 力 を決める
13. SSMの課題 必要な情報を選択する 力 が弱い Transformerの強みだった → 入力 の重要度がわからず全てフラットに 見 てしまう
14. Mambaの概要 入力 に応じてパラメータを変化させ どのくらい状態に反映させるかを決定 → 重要な部分に注 目 できない弱点を克服！ 出典：https://arxiv.org/pdf/2312.00752
15. LLMにもMamba Codestral Mamba( 2 0 2 4 ) Mistral AI - より 長 いコンテキスト 長 - より速い応答時間 https://mistral.ai/news/codestral-mamba
16. 画像認識にもMamba Mamba YOLO( 2 0 2 4 ) - Mambaで物体検出してみた - 画像の局所特徴を捉える 工 夫 - COCOデータセットでSOTA 出典：https://arxiv.org/pdf/2406.05835
17. 物体検出にもMamba MambaNeXt-YOLO( 2 0 2 5 ) - CNNとのハイブリッド - CNN：局所特徴得意 - Mamba： 長 距離依存得意 - リアルタイム ・ 低リソースな 環境で活躍するぞ！ 出典：https://arxiv.org/pdf/2506.03654
18. まとめ - Mamba が画像認識(物体検出)の分野でも注 目 - これから普及が進んでいったら 面白 いね