畳み込みニューラルネットワークとは？
たたみこみにゅーらるねっとわーく
畳み込みニューラルネットワークとは、画像認識を中心に活躍する深層学習モデルで、局所的なパターンを階層的に学習する仕組みを持ちます。
畳み込みニューラルネットワーク（Convolutional Neural Network、略称CNN）は、主に画像データの処理に特化した深層学習モデルです。人間の視覚野の仕組みを参考に設計され、1980年代後半から研究が進み、2012年の画像認識コンテストImageNetでAlexNetが圧倒的な精度を示したことで広く普及しました。
CNNの中核となるのは畳み込み層と呼ばれる処理です。フィルター（カーネル）と呼ばれる小さな行列を画像上でスライドさせながら演算することで、エッジや色のグラデーションといった局所的な特徴を抽出します。これを複数の層で繰り返すことで、初期の層では単純なパターン、深い層では顔や物体といった複雑な特徴を段階的に学習します。
CNNを構成する主な要素は以下のとおりです。
- 畳み込み層：フィルターで局所特徴を抽出する
- プーリング層：特徴マップを圧縮し空間的な変動に頑健にする
- 全結合層：抽出した特徴をもとにクラス分類などを行う
- 活性化関数：非線形変換を加え表現力を高める
CNNは画像分類・物体検出・医療画像診断・自動運転など幅広い分野で利用されており、現代のAI技術の基盤のひとつとなっています。
使い方・例文
スマートフォンの顔認証やSNSの自動タグ付け機能など、画像から人物や物体を識別する場面でCNNが広く使われています。
この用語をシェア
最終更新: