畳み込みニューラルネットワークについて(2022.6.29)

概要

「G検定をまとめる」の記事の項目の一つです。簡単にまとめて後付けしていくスタイルです。以下、「畳み込み層」を始め、「プーリング層」「全結合層」、、、と追記する予定です。
今回は、畳み込みニューラルネットワークでどのような事をしているのかをざっくり説明出来ればと思います。

CNNでしたい事

今回は画像分類とします。

CNNの全体像

参考1

参考1

CNNで行われている処理

上の全体像の2つ目の図を例に説明します。

1. 「畳み込み」層
   まずは元の画像データを「畳み込み」層に入力します。「畳み込み」層で処理されたデータは特徴量マップとして出力されます。
2. 「全結合」層①
   特徴量マップはそのままでは分類に使えないので1つ目の「全結合」層で1行n列のデータにして活性化します。
3. 「全結合」層②
   「全結合」層①で活性化されたデータを元に、Softmax関数で分類します。例えば10種類に分類する時はそれぞれの確率で出力されます。一番、確率の大きい物をモデルが決定した判断とします。

参考

1. 他力本願で生き抜く（本気）(2022.6),畳み込みニューラルネット（CNN）による画像識別（MNIST), HatenaBlog