- @ThothChildren
- 2017.9.13
- PV 119
Convolutional Neural Network
ー 概要 ー
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.
この章を学ぶ前に必要な知識
効果
- 画像処理において顕著に性能を発揮する
ポイント
- 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
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。