一番分かりやすい畳み込みニューラルネットワークの解説｜kawashimakenさてと！今回の話を始めよう！ 単純なニューラルネットワークの限界 ニューラルネットワークの学習では、MNIST手書き数字の認識などを行いました。（別途記事を発行します。） そこで、二次元の画像をベクトルに変換して、一次元状に並べて学習モデルに入力して、学習してもらいました。 それがニューラルネットワークの性能を発揮して、学習して、推論ができましたが、本格的な画像の分類は、やはり画像の（平面上の）二次元構造を可能な限り活用したいですね。例えば、あるピクセルの上、下、左、右、さらにその周辺どういった（ピクセル）情報があるかは、人間の顔の目や鼻、口の位置のように、とても意味があります。 深層学習 / Deep Learning深層学習、このAIがとても人気になった主役ですが、もちろんニューラルネットワークの一種です。 典型的なニューラルネットワークは、3層構造がよく挙げられ、入力層、中間層、出力
