ゼロから作るDeep Learning ❸ ―フレームワーク編

ステップ55CNNのメカニズム（1）

これから数ステップに渡って「CNN」をテーマとします。CNNはConvolutional Neural Networkの略で、日本語では「畳み込みニューラルネットワーク」と呼ばれます。画像認識や音声認識、自然言語処理など、様々な分野で使われているニューラルネットワークです。特に画像認識の分野では、ディープラーニングによる手法の多くはCNNをベースとしています。ここでは、CNN――特に画像で用いられるCNN――のメカニズムについて説明します。

	本書では、CNNの実装面を想定して、そのメカニズムだけを説明します。CNNによってなぜ画像認識が上手くできるのか、なぜ画像の特徴量を抽出できるのか、といったことについては説明しません。それらについては『ゼロから作るDeep Learning』などを参照してください。

55.1　CNNのネットワーク構造

CNNも、これまで見てきたニューラルネットワークと同様に、レイヤを組み合わせて作ります。ただしCNNの場合、新たに「畳み込み層（Convolution layer）」と「プーリング層（Pooling layer）」が登場します。畳み込み層とプーリング層の詳細は後ほど説明するとして、ここでは先に、CNNがどのようなレイヤを組み合わせて構築できるかを見ていきます。それでは図55-1に、CNNのモデルの例を示します。

図55-1 CNNによるネットワークの例（ここではレイヤ単位で計算グラフを描画し、変数は入力と出力のみ図示する。またConvolutionレイヤは ...