畳み込みニューラルネットワーク（CNN)

畳み込みニューラルネットワーク（CNN）とは、画像や映像などの2次元データの特徴を自動抽出するために設計されたニューラルネットワークの一種です。

Convolutional Neural Networkの略で、深層学習（ディープラーニング）の代表的なモデルとして、画像認識、外観検査、物体検出、顔認識、ロボットビジョンなどに広く使用されています。

CNNは、人が特徴を設定しなくても、画像の中からエッジ・形状・模様などの特徴を自動的に学習できるため、高精度な判定が可能になります。

製造業ではAI外観検査、ピッキングロボット、品質判定、異物検出などで重要な技術です。

■CNNのイメージ

画像 → 畳み込み → 特徴抽出 → 判定

画像から特徴を自動抽出します。

■畳み込みとは

画像の一部を順に見て特徴を抽出

□□□□□ □■■■□ □□□□□

フィルタで特徴を取る処理。

■CNNの基本構造

Input → Conv → Pool → Conv → FC → Output

■CNNの特徴

画像AIの基本。

■製造業での用途

AI検査で必須。

■ロボットでの使用

ビジョンAIの中心。

■通常NNとの違い

画像ならCNN。

■深層学習との関係

AI  └ 機械学習      └ 深層学習          └ CNN

CNNはDLの一種。

■メリット

■デメリット

設計が重要。

■関連用語

■まとめ

CNNとは画像データから特徴を自動抽出する深層学習モデルです。

外観検査、ロボットビジョン、異物検出などで使われるAIの代表的な技術です。