Skip to the content.

最終更新日:2026年10月19日

まず結論

CNNの学習で「構成要素の役割」「特徴マップの形」「数値計算」のどこを確認したいかを選ぶためのマップです。CNN自体の定義はCNNの基本で確認できます。

知りたいこと 確認する先 注目する点
CNNを他のモデルと区別したい CNN 局所受容野・重み共有
フィルタを動かすと何が出るか 畳み込み 掛け算と総和・特徴マップ
フィルタ数と出力チャネルの関係 畳み込みの特徴マップ 位置ごとの計算とチャネル数を分ける
局所領域をどう縮約するか プーリング Max/Averageと学習パラメータ
出力サイズ・パラメータ数を計算したい CNN計算問題まとめ フィルタ・チャネル・ストライド・パディング
分類・検出・領域分割を見分けたい 画像タスク総まとめ 最後に何を出力するか

構成要素をどこで使う?

処理の場面 確認する役割 固定の必須部品?
局所特徴を抽出する 畳み込みのフィルタ CNNの中心となる処理
非線形性を加える 活性化関数 具体的な関数や配置は設計による
空間サイズを縮める プーリング、ストライド付き畳み込みなど プーリングが必須とは限らない
タスクに応じた出力を作る 分類・検出・画素分類などの出力側 全結合層が必須とは限らない

役割の一覧であり、すべてのCNNがこの順序・部品数を使うという固定レシピではありません。

G検定ひっかけポイント

  • 同じフィルタを空間上の複数位置で使う → 重み共有。すべての層の重みが同じという意味ではない。
  • 通常のMax/Average Pooling → 学習される重みはない。畳み込みの学習対象とは分ける。
  • 出力が特徴マップ → 直ちに最終タスクが分類とは決まらない。
  • フィルタ数・チャネル・出力サイズの数値が出た → 基本定義を繰り返すより、計算の手順を確認する。

まとめ(試験直前用)

  • モデルの定義はCNN、局所演算は畳み込みで確認する
  • 縮約処理はプーリング、形状・重みの計算は計算まとめへ進む
  • 最終出力の違いは画像タスクのマップで確認する

© 2024-2026 stemtazoo. All rights reserved.