畳み込みニューラルネットワーク（CNN）とは？たたみこみにゅーらるねっとわーく
畳み込みニューラルネットワーク（CNN）とは、画像のように空間的な並びそのものに意味があるデータ向けのニューラルネットワークで、小さなフィルタをずらしながら局所の特徴を取り出す畳み込み層と、位置ずれを吸収するプーリング層を積み重ねる。方式設計では、推論を端末側で動かすかクラウドのGPUに寄せるか、学習データをどこへ集めるかが構成と費用を決める。
最終更新：2026-10-06
システムアーキテクトを最短で暗記・合格する →背景
画像を画素の並びのまま全結合層に入れると、パラメータ数が爆発するうえ、被写体がわずかにずれただけで別の入力として扱われた。畳み込みは同じフィルタを画面全体で使い回すことでパラメータを共有し、位置がずれても同じ特徴を拾えるようにした構造である。設計上の意味は、この共有のおかげで学習済みモデルを他の題材へ転用しやすく、自前の教師データが数千枚しかない案件でも成立させられる点にある。学習と推論で必要な計算資源がまるで違うことも、構成を分けて考える理由になる。
具体例
外観検査ならNVIDIA Jetsonのような端末側の推論器に載せることで、ライン上の画像を社外へ出さずに数十ミリ秒で判定できる。学習は据置きのGPUで行い、ImageNetで学習済みのResNetなどを転移学習で自社データに合わせるのが定石。クラウド推論に寄せると学習と推論の環境を1つにできる代わりに、通信の遅延と画像の持ち出しを設計で正当化しなければならない。
試験での引っ掛け
時系列や文章を扱うのはRNNやTransformer系で、CNNは主に画像・空間データ向け。特徴を取り出すフィルタの値は人間が設計するのではなく学習で自動的に決まる点が、従来の画像処理との分かれ目になる。また学習と推論では必要な資源が桁で違い、推論の速さを根拠に学習環境を見積もると設備の見立てを外す。
関連用語
出典・参考
解説は資格暗記が独自に作成しています。過去問の出典は各問題に記載のとおりです。