CNN

AI概念
約1分で読めます

畳み込み（Convolution）レイヤーによって画像の局所的なパターンを学習する、画像認識に特化したディープラーニングのニューラルネットワーク構造です。

別名
畳み込みニューラルネットワークConvolutional Neural Network

詳しい説明

CNN（Convolutional Neural Network、畳み込みニューラルネットワーク）は、画像・映像処理に特化したディープラーニングアーキテクチャです。畳み込み（Convolution）レイヤーが小さなフィルターで画像全体を走査し、エッジ・テクスチャ・形状といった局所的なパターンを段階的に学習し、プーリング（Pooling）レイヤーが特徴量を圧縮して位置の変化に強くします。このように抽出された特徴量を分類器に結合して最終的な判定を下します。画像分類, 物体検出, 顔認識, 医療画像分析, OCRの文字認識などに幅広く使用されており、代表的なアーキテクチャにResNet、VGG、EfficientNetなどがあります。

ツール選定において重要な理由

画像分類・検査・認識ツールの多くがCNNをベースに動作しています。構造を直接扱う機会は少ないですが、ツールがどのような入力解像度やオブジェクトサイズで良好に動作するか、推論をデバイス内部（オンデバイス）で実行できるほど軽量であるかは、CNNベースのモデルの特性に関連しています。これを知ることで、実際の使用環境に適したビジョンツールを選定しやすくなります。

ツールを選定する際の確認ポイント

  • 処理する画像の解像度・オブジェクトサイズにおいて精度が検証されているか
  • オンデバイス（モバイル・エッジ）推論をサポートできるほどモデルが軽量か
  • 分類・検出・セグメンテーション（領域分割）のうち、実際に必要なタスクをサポートしているか
  • 学習に使用されたデータが適用ドメイン（例：医療・産業）に合致しているか

実際の適用例

製造ラインで製品の写真を撮影し、不良品を自動的に選別する検査ツールが代表例です。CNNが正常品のパターンを学習してキズや異物を判別しますが、カメラの解像度や欠陥のサイズに合わせてモデルを選定しないと、微細な欠陥を見落とすことになるため、事前の検証が重要です。

関連用語

ディープラーニングコンピュータービジョンOCR