畳み込みニューラルネットワーク(CNN)
Convolutional Neural Network (CNN)
画像や映像から特徴を自動で抽出して学習する人工知能の仕組み。物体認識に特に優れています。
畳み込みニューラルネットワーク（CNN）とは？
CNNは、画像や映像から自動的に特徴を抽出して学習する人工ニューラルネットワークです。 物体認識、顔認識、医療画像診断など、「画像を見て何かを判定する」という種類のタスクに特化しています。
従来のニューラルネットワークは「全ての入力情報を平等に扱う」のに対し、CNNは「隣同士のピクセル（画素）の関係に注目する」という仕組みを持っています。これにより、画像の局所的なパターン（例：目、輪郭、テクスチャ）を効率的に学習できます。
ひとことで言うと： CNNは、人間が「写真を見て判定する」のと同じように、AIが画像から情報を読み取る方法です。
ポイントまとめ：
- 何をするものか： 画像から有用な特徴を自動抽出して、分類や検出を行う機械学習モデル
- なぜ必要か： 膨大な画像データから意思決定に必要なパターンを見つけられるから
- 誰が使うか： 画像分類が必要なビジネス（医療、自動運転、セキュリティなど）
なぜ重要か
画像の中から欲しい情報を自動で見つける技術は、多くの産業で革新をもたらしています。医療では、CTスキャンから癌をコンピュータが検出できるようになり、診断精度が向上しました。小売業では、万引き防止や顧客行動分析に使われています。自動運転では、道路上の様々な物体（歩行者、信号、障害物など）をリアルタイムで認識するためにCNNが必須です。
特に、画像のような「複雑で高次元のデータ」を扱う際に、従来の機械学習手法では対応できず、CNNのような ディープラーニング技術が不可欠になります。
仕組みをわかりやすく解説
CNNの処理は大きく3段階で構成されます。
**第1段階は、畳み込み層（Convolutional Layer）**です。小さな「フィルタ」（3×3ピクセルなど）を画像全体にスライドさせながら、その領域の特徴を抽出します。例えば、「縦線を検出するフィルタ」「横線を検出するフィルタ」といった複数のフィルタを用意することで、様々なパターンを捉えます。
**第2段階は、プーリング層（Pooling Layer）**です。抽出した特徴の中から、最も重要な情報だけを残し、データサイズを圧縮します。これにより、計算量が減り、モデルがより頑健になります。
**第3段階は、全結合層（Fully Connected Layer）**です。圧縮された特徴情報を使って、最終的な判定（「これは猫」「これは犬」など）を行います。
この3段階の処理を繰り返すことで、「低レベルの特徴（エッジ）→中レベルの特徴（テクスチャ）→高レベルの特徴（物体の形）」という段階的な認識が可能になります。
実際の活用シーン
医療画像診断
X線画像から肺癌の有無を自動判定するCNNが開発されています。放射線科医の診断精度は95%程度ですが、CNNの精度も95%を超え、医師の負担軽減と診断漏れの防止に役立っています。
ECサイトの商品推奨
ファッションECサイトが、ユーザーがアップロードした自撮り写真からスタイルを分析し、「このユーザーには黒系のコーディネートが似合いそう」と自動判定するシステムを構築。商品推奨精度が大幅に向上しました。
工場の品質検査
電子機器工場がCNNを使った検査ロボットを導入し、基板の微細な不良品を人間よりも高速かつ正確に検出。不良品流出が70%減少し、生産効率が向上しました。
メリットと注意点
CNNの最大のメリットは、人間が手動で定義した特徴ではなく、データから自動で特徴を学習することです。これにより、人間が気付かないような微細なパターンも捉えられます。
また、学習済みモデル（ImageNetで学習したモデルなど）を使えば、少量のデータでも高精度を達成できます。
一方、注意点として、CNNは「ブラックボックス」です。なぜその判定をしたのかが説明しにくく、医療など説明責任が重要な分野では課題になります。また、大量のラベル付きデータが必要であり、学習に時間とコンピュータパワーを要します。
関連用語
- ディープラーニング — CNNを含む、多層ニューラルネットワークの総称です。
- ニューラルネットワーク — CNNの基礎となる機械学習モデルです。
- 画像認識 — CNNが最も活躍する用途です。
- 転移学習 — 既学習モデルを再利用してCNNを効率的に活用する手法です。
- データ拡張 — 限られた学習データでCNNの精度を高めるテクニックです。
よくある質問
Q: CNNと従来の画像処理の違いは？
A: 従来の画像処理は「エッジ検出」「コーナー検出」など、人間が定義した特徴を使いました。一方、CNNはデータから自動的に特徴を学習します。複雑なパターン（例：顔）の認識では、CNNがはるかに優れています。
Q: CNNに必要な学習データはどれぐらい？
A: タスクによります。シンプルな分類（猫か犬か）なら数千枚、複雑なタスク（医療診断）なら数十万枚が必要なことが多いです。ただし、転移学習を使えば、より少ないデータでも実用的な精度を達成できます。
Q: CNNのメモリ使用量はどれぐらい？
A: モデルサイズとバッチサイズによります。ResNet-50などの標準的なモデルなら、GPU 8GBあれば動作できます。ただし、大規模モデル（ViT など）を使う場合は、より多くのメモリが必要です。
