CNN

Last updated Dec 16, 2022 Edit Source

from 東大1S情報α

• 「行列とベクトルの掛け算」の代わりに、空間フィルタの処理もやるニューラルネットワーク
  • 「小さいベクトルをスカラーに変換」するフィルタを、大きいベクトル（元画像）の色々な部分（カーネル）に対してやることで、大きいベクトル（元画像）をちょっと小さくしたベクトルを得る
    • みたいな感じかな
    • この動作、確かに「畳み込み」って感じ
  • これをやることで、画像の中で必要な特徴を抽出する / いらない情報を排除する
    • その抽出方法も当然訓練される
• あと、畳み込みの後にプーリングという処理もやることが多い
  • これは、シンプルに画像の解像度を下げる処理

from #Udacity_Intro_to_Deep_Learning_with_PyTorch

• 輪郭検知のとこで説明した空間フィルタ、が鍵

• フィルタを、自動で学習するのがCNN

• 複数のフィルタを自動で作り出す、そのカーネルの数がConvolutional Layerの数

  • あるフィルタは、犬の耳を検出できる物かもしれない
  • 別のフィルタは、犬の目を検出するかも

• 間にpooling layerってのも挟むことがある

  • 情報をできるだけ保ったまま、サイズを小さくするためのもの
  • 平均とる手法や、最大値取る手法などがある
    • 最大値のやつが、画像検知には向いてる（特徴のある部分を強調するから）

• CNNは、画像のdepthを増やして、widthとheightを減らしていく処理

  • 最初のlayerはdepthは3(rgbの場合)、だからwidthとheightの方が圧倒的に大きい
  • Conv Layerがdepthを増やす、Pooling layerがwidthとheightを減らす