畳み込みニューラルネットワークとは？

前回の記事（https://qiita.com/NagisaOniki/items/a5ba48af2c42a5fd3439）
で軽く話しましたが、復習すると以下図です。

Convolution層を入れ込んだニューラルネットワークの事でしたよね。
この記事ではConvolution層について解説します。

Convolution層とは？

「Convolution層ではどんな処理を行っているか？」の答えは簡単で、「畳み込み処理」をしています。
では実際に、畳み込み処理について解説します。
が、その前に前提知識をお話します。

CNNでよく使われるデータに画像があります。
が、画像をどうやって計算に使うの？と言う方に解説を入れておきます。

「画像のデータ？」「画像を計算する？」となりますよね。
画像はこのように構成されています。

↓↓↓↓↓詳しく↓↓↓↓↓

何となく、画像はどうやって、私達が見ている画像になるのか分かりましたか？
画像は”色の集まり”で、その色は”数字の集まり”なんです。

もっと専門的に言うと、
画像は”RGBそれぞれのチャネルを重ねたもの”で、
各チャネルは”ピクセルの集まり”で、
各ピクセルには”0~256の値”が入ります。

逆から言うと、
各ピクセルでどれだけ赤いのか表現
↓
そのピクセルの集合体が1枚のRのチャネルになる
↓
他G，B分の３チャネルが重なる事で色のある画像を作る。

参考までに、以下表を乗せておきます。

これで、画像が数字で表せられることから、
なんだかネットワーク層の入力に出来そうですね。

（＊：畳み込み）

この図を「V＊K＝Z」と数式化することにします。
V：入力
K：カーネル
Z：出力
となります。
この図は、「3x3x1（縦のサイズx横のサイズxチャネル数）の入力を、2x2x1のカーネルで畳み込む処理」です。

簡単ですよね。

チャネルが増えればこうなります。

それぞれ同じように畳み込み処理をするだけです。

なんだか、
「3x3x3（縦x横xRGB分のチャネル数）の画像にカーネルを掛け合わせて出力を得ている」ように見えますね？
その通りです。
画像を入力とした時、Convolution層ではこのような畳み込み処理が行われるのです。

畳み込み処理をしているだけでしたね。
次回は実際に”畳み込みニューラルネットワーク”を実装する解説をしようと思います。