<<展開

Convolutional Neural Network

Facebookシェア Twitterツイート LINEで送る Googleシェア このエントリーをはてなブックマークに追加
この章を学ぶ前に必要な知識
Up
0
Down

要約

概要

CNNとは,Convolution層を主要な層として繋げている画像処理に向いているニューラルネット.少し前まではPooling層も合わせることが多かったがPoolingで行っていたこともConvolutionで行わせることも増えてきた.BatchNormalization層を挿入することも多い.
ー 効果 ー
  • 画像処理において顕著に性能を発揮する
ーポイントー
  • 全結合層を使ったよりConvolution層の方が圧倒的にパラメータが少ない
  • Convolution層しかないものなら入力のサイズに制限はなくなる.全結合層が入っていると×

解  説

全結合層を用いずにConvolution層を主として用いてネットワークを構成したものをConvolutional Neural Networkと呼ぶ. Convolution層を用いることで ・パラメータ数が全結合より減る ・入力のサイズがどうなっても対応できる ・画像処理が得意
Convolutional Neural Network
Convolution層に後続させるものとしてPooling層などもセットだったが、近年減ってきている.逆に最近の傾向として、BatchNormalization層は学習を安定させるのに必須になりつつある.
Convolution層
この章を学んで新たに学べる
Comments

Reasons
>>隠す

知識: Convolution層
近年の画像入力のニューラルネットワークで活躍しているConvolution層(Conv層, 畳み込み層). 計算はかなりシンプルで、画像の各部分に対して行列を掛け合わせていき、その結果を新しい画像に詰め込んでいく処理。 世の中で解説も多いので簡単な解説に留める。