目的
- アウトプットして理解する
CNNとは
一言で言うと、、、
- 高次元データを次元削除して深層学習を行うことができるアーキテクチャ。
最初のモデル
- 人間の視覚をモデルに考案されたもの。
- 局所受容野という性質を活かしたものともいえる。
- このサイトがわかりやすい。
- 要は、光を視神経を通じて、脳に像として認識させているということ。
局所受容野ってなにー？
-
ニューロンが、入力データのごく一部にのみ応答するという性質のこと。
-
単純型細胞と複雑型細胞に構成されているもの。
- 単純型細胞は、形状に反応を受ける
- 複雑型細胞は、特定の傾きの線分が移動しても認識することができる。
-
CNNでは
- 単純型細胞が畳み込み層
- 複雑型細胞がプーリング層 と置き換えられて利用されているよー
では、畳み込み層とプーリング層ってなんぞや
畳み込み層
- 畳み込み層は畳み込み演算を行う層
- 畳み込み演算は,簡単に言うと入力層とフィルターの積和演算だよ〜
- (図で示すとわかりやすいけど、面倒くさいので略)
プーリング層(今回は、マックスプーリング層)
- 対象領域から最大値をとる演算のこと
- 特徴として、微小な位置変化に対して、ロバスト(影響されにくい)
まとめ
- うーん理解が深まったともいえない。
- CNNを動かして、試してみて考察すると見えてくるものがあるかもしれないと思った。