まとめ

  • 1 分

このモジュールでは、畳み込みニューラル ネットワークがどのように機能するか、および 2D 画像でパターンをキャプチャする方法を学習しました。

ここで取り上げた主な概念の要約を次に示します。

  • イメージデータをテンソルとして: 画像を多次元配列として表現します（グレースケールの場合はH×W、カラーの場合はH×W×3）。その後、ピクセル値の正規化を行います。
  • 高密度ニューラル ネットワーク: ソフトマックス、ワンホット エンコード、損失関数、オプティマイザーなどの概念を含む、画像分類用の単一層と多層の完全に接続されたネットワークを構築します。
  • オーバーフィット: モデルがトレーニング データに適合しすぎても一般化に失敗した場合の認識と、それに対処するための戦略。
  • 畳み込みニューラル ネットワーク (CNN): 畳み込みフィルターを使用して空間パターンを抽出し、レイヤーをプールして次元を減らし、複数の畳み込み層を組み合わせたピラミッド アーキテクチャを使用します。
  • 転移学習: VGG-16 などの事前トレーニング済みモデルを活用して特徴を抽出し、データとトレーニング時間が短いカスタム タスク用の分類子を構築します。

実際、CNN は、1 次元信号 (音波、時系列など) や多次元構造 (たとえば、フレーム間で一部のパターンが繰り返されるビデオのイベント) でパターンを見つけるためにも使用できます。 また、CNN は、画像生成など、より複雑な Computer Vision タスクを解決するための単純な構成要素です。 生成敵対ネットワーク (GAN) と 拡散モデル (安定拡散や DALL など)E)は、画像を生成するために使用され、拡散モデルは最新の技術を表す。 同様に、CNN はオブジェクト検出、インスタンスのセグメント化などに使用されます。