最終更新日:2026年10月19日
gk neural_network cnn convolution
まず結論
- 畳み込みはCNNの中核となる処理
- 小さなフィルタを画像上で滑らせて特徴を抽出する
- ストライド・パディングで 出力サイズと特徴の取り方 が決まる
直感的な説明
畳み込みは、
「虫眼鏡で画像の一部分ずつを見て、特徴があるかを調べる」
ような処理です。
- 小さい範囲だけを見る
- 同じ見方(同じフィルタ)を画像全体に適用
これにより、 場所が違っても同じ特徴を検出できます。
定義・仕組み
フィルタ(カーネル)
- 小さな行列(例:3×3)
- エッジや模様などの特徴を検出
ポイント
- フィルタの値は 学習によって決まる
- 人が事前に決めるわけではない
畳み込み演算
- フィルタと画像の対応要素を掛け算
- その総和を1つの値として出力
この処理を画像全体に対して行い、 特徴マップ(Feature Map) を作ります。
たとえば、1チャネルの入力の一部分が [1, 2; 3, 4]、フィルタが [1, 0; 0, 1] なら、この位置の出力は 1×1 + 2×0 + 3×0 + 4×1 = 5 です。ここではバイアスを省略しています。
掛け算か総和かの二者択一ではなく、対応する値を掛け、その結果を足す処理です。
フィルタ数と特徴マップ
通常の畳み込み層では、1つのフィルタが1つの出力チャネル(特徴マップ)を作ります。複数のフィルタを使えば、異なる特徴に反応する複数の特徴マップを作れます。
カラー画像のように入力が複数チャネルの場合、1つのフィルタは入力チャネル方向にも重みを持ち、各チャネルの計算結果を足し合わせます。「RGBだから出力も必ず3枚」ではなく、出力チャネル数は用意するフィルタ数で決まります。
ストライド(Stride)
- フィルタを動かす間隔
影響
- 大きい → 出力サイズが小さくなる
- 同じ入力・フィルタ・パディングなら、小さいほど出力位置が多く、計算量も増える
パディング(Padding)
- 画像の周囲に値(通常は0)を追加
目的
- 画像サイズを保つ
- 画像の端にもフィルタを適用しやすくする
出力サイズの考え方
- ストライド ↑ → サイズ ↓
- パディングあり → サイズ維持しやすい
※ 数式暗記より、影響関係を理解するのが重要
いつ使う?(得意・不得意)
得意なこと
- エッジ・角・模様などの局所特徴検出
- 画像・2次元データ処理
注意点
- フィルタサイズやストライドの設定次第で情報を失う
G検定ひっかけポイント
- ❌「フィルタは人が設計する」→ 誤り
- ❌「畳み込みは画像全体を一度に見る」→ 誤り
- ✅ フィルタは 学習で獲得
- ✅ 重み共有 によりパラメータ削減
- ✅ パディングは端の情報保持
まとめ(試験直前用)
- 畳み込みは 局所特徴抽出
- フィルタは学習される
- 掛け算した値を足し、特徴マップを作る
- 通常の畳み込み層ではフィルタ数が出力チャネル数になる
- ストライド・パディングで出力サイズが決まる
局所的な特徴を取り出した後の縮約処理は、プーリング(Pooling)で確認できます。ネットワーク全体での役割はCNNを参照してください。
参考資料
- Conv2D|TensorFlow公式ドキュメント
- フィルタ数が出力チャネル数を決めることと、ストライド・パディングによる出力形状の違いを確認できます。