「CNNって何よ」って聞かれたら、とりあえずこう説明してみたら？という話 - Np-Urのデータ分析教室
タイトルの通り、「CNN（畳み込みニューラルネットワーク）って何よ」とざっくりと質問された時に、自分だったらざっくりとこう説明してあげる、というのをまとめます。 この記事で説明している内容は、以下を元にしているので、よろしければ是非。 Pythonと実データで遊んで学ぶ データ分析講座 作者:梅津 雄一,中野 貴広発売日: 2019/08/10メディア: 単行本（ソフトカバー） なお、スマホのAMPだと、数式がうまく表示されない可能性がありますので、こちらのリンクかPCから読んでいただけると。 まずニューラルネットって？畳み込みニューラルネットワークについて説明する前に、ニューラルネットワークも軽くおさらいしてあげましょう。 脳は入力を受け取ると、以下画像のように各神経細胞が反応しながら処理が次々と行われます。 ニューラルネットワークは、このような脳の神経伝達の働きを数理モデルとして落とし
Deep learningで画像認識④〜畳み込みニューラルネットワークの構成〜
今回は、畳み込みニューラルネットワーク（CNN）が、なぜ画像認識に適しているのかを理解するために、CNNの各層の働きに注目して構造を見ていきます。 前回、前々回の記事 Deep learningで画像認識②〜視覚野と畳み込みニューラルネットワーク 〜 Deep learningで画像認識③〜ネオコグニトロンとは？〜 でも紹介しましたが、CNN（畳み込みニューラルネットワーク）では、 ① 畳み込みフィルタ層：画像の濃淡パターンを検出する（エッジ抽出等の特徴抽出） ② プーリング層：物体の位置が変動しても同一の物体であるとみなす（位置ズレを許容する） これらの層を組み合わせることによって、画像から特徴量を抽出する働きを担っています。 一方、特徴量を抽出するだけでは、画像の識別はできません。識別には、「特徴量に基づいた分類」が必要です。この分類の役割を担っているのが、全結合層と出力層です。 ③
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
