30秒でわかる要点
画像認識に特化したニューラルネットワーク。畳み込み層でフィルターを適用して特徴を抽出し、プーリング層でデータを圧縮する。VGG、ResNet、Inceptionなどが代表的。
「CNN（畳み込みニューラルネットワーク）」の練習問題
当サイトの練習問題から、この用語に関係する問題をピックアップしました。
Q1畳み込みニューラルネットワーク（CNN）が画像処理で優れている理由として最も適切なものはどれか。
- 局所的な特徴を抽出する畳み込み層により、平移不変性と自動的な特徴学習が実現されること
- CNNは全く画像処理に適していない
- フルコネクション層が画像処理に最適
- 画像データは機械学習では処理できない
答えと解説を見る
正解：A
CNNは畳み込みカーネルで局所特徴を抽出。カーネルが画像全体をスライド（平移不変性）。層を重ねることで、低レベル特徴（エッジ）から高レベル特徴（物体）を自動学習。AlexNet以降、画像認識で革新的成果。B、C、Dは誤り。
Q2特徴抽出器としてのCNNの役割は何か。
- 入力画像から様々なレベルの特徴を抽出し、後段のタスクに提供する
- 画像を圧縮するのみ
- ノイズを追加する
- ピクセル値を負にする
答えと解説を見る
正解：A
CNNは階層的に特徴を抽出し、低レベルの辺から高レベルの複雑な概念まで、様々な抽象度の情報を提供します。
Q3R-CNN（Region-based CNN）ファミリーの特徴として正しいものはどれか。
- 候補領域の提案から最終検出まで、段階的な処理パイプライン
- 全体一括処理
- 単層構成
- 高速処理
答えと解説を見る
正解：A
R-CNNファミリーは高精度検出で知られ、研究の主流でした。
深層学習の問題をまとめて解いて、理解を確かめましょう（無料・登録不要）。
深層学習の練習問題を解く