領域提案アルゴリズムは、画像内の物体位置を仮定することにより、最先端の2段階物体検出ネットワークにおいて重要な役割を果たしています。しかしながら、領域提案アルゴリズムは処理時間を増加させ、リアルタイムアプリケーション（自動運転車両など）に適さない遅いネットワークとなるため、多くの2段階物体検出ネットワークのボトルネックとなっています。本論文では、自動運転車両向けのレーダーを基にしたリアルタイム領域提案アルゴリズムであるRRPN (Radar-based Real-time Region Proposal Network) を紹介します。RRPNは、レーダー検出を画像座標系にマッピングし、各マッピングされたレーダー検出点に対して事前に定義されたアンカーボックスを生成することで物体提案を行います。これらのアンカーボックスは、物体が車両からの距離に基づいて変形およびスケーリングされ、より正確な提案を提供します。我々は新しく公開されたNuScenesデータセット [1] を使用してFast R-CNN物体検出ネットワーク [2] 上で方法を評価しました。Selective Search物体提案アルゴリズム [3] と比較して、当モデルは100倍以上高速に動作しつつも高い検出精度と再現率を達成しています。コードはhttps://github.com/mrnabati/RRPN で公開されています。