4/30ログ：G検定合格への第6エポック

今日はこれだけ
【保存版】CNN・画像認識で絶対覚える「7つの聖語」
CNNは、**「人間が目で物を見る仕組み」**を模倣したネットワークです。このイメージをベースに、以下の用語を「記号」として覚えてください。
1. 畳み込み層（Convolution Layer）
• 役割（あだ名）: 「特徴の『輪郭』を見つける人」。
• 試験のツボ: 画像の上に「フィルター」を滑らせて、エッジ（縦線、横線）や特定のパターンを抽出する、CNNの心臓部。
2. プーリング層（Pooling Layer）
• 役割（あだ名）: 「情報を『要約』して、ズレに強くする人」。
• 試験のツボ: 画像を少し粗く（小さく）することで、計算量を減らし、「多少の位置ズレ」があっても同じものと認識できるようにする（ロバスト性を高める）。「Max Pooling（最大値を取る）」が頻出。
3. 全結合層（Fully Connected Layer）
• 役割（あだ名）: 「最後の『判定』を下す人」。
• 試験のツボ: CNNの後半に登場。畳み込みとプーリングで抽出された特徴をすべて繋ぎ合わせ、最終的に「これは猫です」と分類する。普通のニューラルネットワークと同じ構造。
4. 特徴マップ（Feature Map）
• 役割（あだ名）: 「畳み込みの『結果（ヒント）』」。
• 試験のツボ: 畳み込み層を通過した後の、特徴が強調された画像データのこと。
5. ImageNet（イメージネット）
• 役割（あだ名）: 「第3次ブームを爆発させた『教科書』」。
• 試験のツボ: 1400万枚以上のラベル付き画像データベース。これを使った競技会（ILSVRC）で、2012年にAlexNetが圧勝し、ディープラーニング革命が始まった。
6. データ拡張（Data Augmentation）
• 役割（あだ名）: 「教科書を『水増し』する工夫」。
• 試験のツボ: 少ない学習データを、回転させたり、反転させたり、色を変えたりして、**「人工的にデータを増やす」**手法。過学習を防ぐ。
7. 転移学習（Transfer Learning）
• 役割（あだ名）: 「『賢い人（学習済みモデル）』の脳を借りる」。
• 試験のツボ: ImageNetなどで大量に学習したモデル（VGG, ResNetなど）を、自分のタスク（例：自分の猫の判別）に再利用する。少ないデータと時間で高い精度が出せる。
次の一手：思考の伴走
• 観察: この7つの用語は、単独で出るだけでなく、「CNNにおいて、全結合層の後にプーリング層が来る」といった、**「嘘の選択肢」**を作るためにも使われます。