gk neural_network cnn

G検定トップ ＞ LeNetとは？【G検定対策】

まず結論

  • LeNetとは、Yann LeCunらが開発した初期の畳み込みニューラルネットワークで、手書き数字認識に用いられました。
  • 代表的なLeNet-5は1998年に発表され、畳み込み・サブサンプリング・全結合という、現代CNNにつながる基本構造を示しました。

直感的な説明

LeNetは、画像全体を一度に覚えるのではなく、

  1. 小さな範囲から線や角を見つける
  2. 特徴を少し圧縮する
  3. 特徴を組み合わせて数字を判定する

という流れで画像を認識します。

たとえば手書きの「8」なら、

  • 曲線
  • 上下の輪
  • 輪郭のつながり

を段階的に捉え、最後に「8らしい」と判断します。

定義・仕組み

LeNet-5は、主に次の層を組み合わせた構造です。

畳み込み層

画像の小さな領域を見て、線や角などの局所的な特徴を抽出します。

ここでは、

  • 局所受容野：画像全体ではなく一部分を見る
  • 重み共有：同じフィルタを画像の別の場所でも使う

という考え方が重要です。

重み共有により、必要なパラメータ数を抑えながら、画像内のどこにある特徴でも検出できます。

サブサンプリング層

特徴マップを小さくまとめます。 現代CNNのプーリング層に近い役割です。

  • 計算量を減らす
  • 少しの位置ずれに強くする

という効果があります。

全結合層

抽出した特徴を組み合わせ、最終的なクラスを判定します。

LeNetは正解ラベルを使う教師あり学習で学習し、誤差を前の層へ伝える誤差逆伝播法を用います。

いつ使う？（得意・不得意）

得意

  • 手書き数字や文字の認識
  • 小規模で比較的単純な画像分類
  • CNNの基本構造を学ぶ
  • CNNの発展史を理解する

不得意・注意点

  • ImageNetのような大規模で複雑な画像認識
  • 非常に深い特徴表現が必要な問題
  • 高解像度画像を扱う現代的なタスク

LeNetは現在の大規模画像認識にそのまま使うというより、CNNの基礎を理解するために重要なモデルです。

G検定ひっかけポイント

LeNetとネオコグニトロン

  • ネオコグニトロン：S細胞・C細胞、CNNの原型、誤差逆伝播が中心ではない
  • LeNet：畳み込み・サブサンプリング・全結合、教師あり学習、誤差逆伝播

「手書き数字認識」「誤差逆伝播」ならLeNetです。 「S細胞・C細胞」ならネオコグニトロンです。

LeNetとAlexNet

  • LeNet：小規模な手書き数字認識、初期CNN
  • AlexNet：大規模画像認識、2012年のImageNetで注目

AlexNetの特徴である、

  • ReLU
  • Dropout
  • GPUを使った大規模学習

をLeNetの説明として選ばないようにします。

年代の整理

LeNetには複数の発展段階があります。 初期研究は1980年代末から続き、代表的なLeNet-5は1998年に発表されました。

したがって、試験では単一の年だけを暗記するより、

ネオコグニトロンの後、AlexNetより前

という位置づけを押さえると安全です。

まとめ（試験直前用）

  • LeNetはYann LeCunらによる初期CNN
  • 代表的なLeNet-5は1998年
  • 畳み込み・サブサンプリング・全結合で構成
  • 教師あり学習と誤差逆伝播を用いる
  • 「手書き数字・初期CNN・LeCun」ならLeNet

© 2024-2026 stemtazoo. All rights reserved.