実践 Deep Learning ―PythonとTensorFlowで学ぶ次世代の機械学習アルゴリズム

5章畳み込みニューラルネットワーク

5.1　人間の視覚におけるニューロン

人間の視覚は信じられないほど高度です。視界の中にある複数の物を、考えたりためらったりすることなく一瞬で識別できます。対象物を特定できるだけでなく、奥行きを知覚し、輪郭を認識して、対象物と背景を区別できます。我々の眼は色のデータを含む無加工のボクセル（体積を持つピクセル）データを取り込み、脳はこのデータを加工して意味のある基本的要素（直線、曲線、形状など）を生み出します。その結果、例えば見ている対象が飼い猫だといったことがわかります†1。

[†1] Hubel, David H., and Torsten N. Wiesel. "Receptive fields and functional architecture of monkey striate cortex." The Journal of Physiology 195.1 (1968): 215-243.

人間の視覚の基本となるのがニューロンです。まず専門のニューロンが光の情報を眼から取り込みます†2。この光の情報は前処理を経て、視覚を司る脳の皮質に送られて最後に分析されます。これらの処理すべてをニューロンが一手に引き受けています。したがって、我々のニューラルネットワークを拡張すればより良いコンピュータービジョンのシステムを作れるのではと考えるのは自然なことです。この章では人間の視覚に関する知識を元に、画像処理向けの効率的なディープラーニングのモデルを作成します。まずは画像分析に関する従来のアプローチを検討し、これらの欠点を明らかにします。

[†2] Cohen, Adolph I. "Rods and Cones." Physiology of ...