畳み込みニューラルネットワーク（CNN）

CNNの仕事ぶり

ある層のすべてのニューロンが次の層のすべてのニューロンに接続されている標準的なニューラルネットワークとは異なり、CNNは畳み込みと呼ばれる特別な数学的演算を使用する。これにより、ネットワークはピクセル間の空間的関係を保持したまま、局所的な受容野で特徴を学習することができる。

典型的なCNNアーキテクチャは、いくつかの重要なレイヤーから構成されている：

1. 畳み込み層：フィルター（カーネル）が入力画像上をスライドし、特徴マップを生成する。これらのマップは、エッジ、コーナー、テクスチャなどのパターンを強調する。これらのフィルターのサイズと検出するパターンは、モデルのトレーニング中に学習される。
2. 活性化レイヤー：各畳み込みの後、ReLUのような活性化関数を適用して非線形性を導入し、モデルがより複雑なパターンを学習できるようにする。
3. プーリング（ダウンサンプリング）レイヤ：このレイヤーは特徴マップの空間次元（幅と高さ）を縮小し、計算負荷を減らし、検出された特徴を位置や向きの変化に対してよりロバストにするのに役立つ。このトピックに関する古典的な論文に、ImageNet Classification with Deep Convolutional Neural Networksがある。
4. 完全接続層：いくつかの畳み込み層とプーリング層の後、高レベルの特徴は平坦化され、学習された特徴に基づいて分類を実行する完全接続層に渡される。

Cnnと他のアーキテクチャの比較

CNNは深層学習モデルの一種であるが、他のアーキテクチャとは大きく異なる。

• ニューラルネットワーク（NN）：標準的なNNは入力データを平面ベクトルとして扱い、空間情報をすべて失う。CNNはこの情報を保持するため、画像解析に理想的である。
• ヴィジョン・トランスフォーマー（ViTs）:空間的な局所性に強い帰納的バイアスを持つCNNとは異なる、 ViTs 画像をパッチのシーケンスとして扱い 自戒 グローバルな関係を学習するメカニズム。ViTは訓練に多くのデータを必要とすることが多いが、長期的な文脈が重要なタスクを得意とする。最新のモデルの多くは RT-DETRを組み合わせたハイブリッド・アプローチを使用する。 backbone トランスフォーマー detection head.

実世界での応用

CNNは、数え切れないほどの実世界アプリケーションの原動力となっている：

• 物体検出：YOLOv8や YOLO11などの Ultralytics YOLOファミリーのモデルは、CNNバックボーンを利用して、画像やビデオ内の物体を驚くべき速さと正確さで識別し、位置を特定します。このテクノロジーは、自動車システムのAIから AI主導の在庫管理まで、あらゆるものに不可欠です。
• 医療画像解析：医療分野では、CNNは医療スキャン（X線、MRI、CT）を分析して腫瘍、骨折、その他の異常を検出することで放射線科医を支援する。このアプリケーションは、米国国立衛生研究所（NIH）などの研究機関で強調されているように、診断スピードと一貫性の向上に役立ちます。詳しくはUltralyticsによる医療画像解析をご覧ください。
• 画像セグメンテーション：道路と歩行者を区別する必要のある自律走行車など、ピクセルレベルの理解が必要なタスクでは、U-NetのようなCNNベースのアーキテクチャが画像セグメンテーションに広く使われている。

ツールとフレームワーク

CNNの開発と導入は、強力なツールとフレームワークによってサポートされている：

• ライブラリ：PyTorch（PyTorch公式サイト参照）やTensorFlowのような一般的なライブラリは、CNNを構築・学習するための高レベルAPIを提供している。Kerasのような高レベルのAPIはさらに開発を簡素化する。
• プラットフォーム Ultralytics HUBのようなプラットフォームは、データセットの管理からモデルのトレーニング、デプロイまで、プロセス全体を効率化します。効果的なモデルの作成には、多くの場合、注意深いハイパーパラメーターのチューニングが必要であり、包括的なモデルトレーニングのヒントが役立ちます。パフォーマンスを最適化するには、OpenVINOや TensorRTのような統合を検討することができます。