CNN（畳み込みニューラルネットワーク） しーえぬえぬ（たたみこみにゅーらるねっとわーく）

---

CNN（畳み込みニューラルネットワーク）とは

CNN（Convolutional Neural Network：畳み込みニューラルネットワーク） は、画像・動画・音声などのグリッド状データを処理するために設計されたニューラルネットワークです。特に画像認識・物体検出・画像生成の分野で中心的な役割を果たしています。

CNNの特徴は「畳み込み（Convolution）」という演算にあります。小さなフィルタ（カーネル）を画像全体にスライドさせながら局所的な特徴を抽出し、位置が変わっても同じフィルタを使う（パラメータ共有） ことで、少ないパラメータ数で効率的に学習できます。

初期の層では「エッジ・テクスチャ」などの低レベル特徴を、深い層では「目・鼻・顔」などの高レベル特徴を学習します。この階層的な特徴抽出が、CNNが画像認識で高い性能を発揮する理由です。

---

CNNの基本構造

入力画像 (例: 224×224×3)
    ↓
畳み込み層 + 活性化関数（ReLU）  ← 特徴抽出
    ↓
プーリング層  ← サイズ縮小・不変性
    ↓
畳み込み層 + 活性化関数 × N回繰り返し
    ↓
平坦化（Flatten）
    ↓
全結合層（FC層）
    ↓
出力（クラス確率）

層の種類	役割
畳み込み層	フィルタで局所的な特徴を検出
活性化関数（ReLU）	非線形性を追加
プーリング層	特徴マップを縮小。位置ずれへの耐性を付与
バッチ正規化	学習を安定化
全結合層	抽出した特徴から最終判断

---

歴史と背景

• 1989年：LeCunがLeNet（手書き文字認識）を発表。畳み込みの有効性を実証
• 2012年：AlexNetがImageNetで圧倒的な精度を達成。CNNのブレイクスルー
• 2014年：VGGNet・GoogLeNetが登場。深い構造の有効性を確認
• 2015年：ResNetが残差接続で超深層CNNを実現（152層）
• 2020年以降：Vision Transformer（ViT）が登場するが、CNNも改良され続けている

---

代表的なCNNアーキテクチャの進化

年	モデル	特徴
2012	AlexNet	深層学習CNNの先駆け
2014	VGGNet	シンプルな3×3フィルタの積み重ね
2015	ResNet	残差接続で超深層化
2019	EfficientNet	モデルサイズとFLOPSのバランス最適化
2022	ConvNeXt	Transformerの設計思想をCNNに導入

---

関連用語

• 畳み込み層 — CNNの中核となる層
• プーリング層 — CNNで空間サイズを縮小する層
• 特徴マップ — 畳み込みが出力する特徴表現
• ResNet — 残差接続で深層化を実現したCNNの代表
• 物体検出 — CNNが活躍する主要タスクの1つ