ゆうき（ @BASEBALLY15 )です^^
畳み込みニューラルネットワーク（CNN）の勉強をしているのですが，仕組みがよく分かりません・・・
コードを書きこむだけでは，なかなか理解できないですよね(-_-;)
そうなんですよね．
コードを書くだけでは，なかなか理解できないです(・・;)
畳み込みニューラルネットワーク（CNN）の仕組みを教えてください・・・
分かりました．
それでは，今回は，畳み込みニューラルネットワーク（CNN）の仕組みについてご紹介します^^
目次
畳み込みニューラルネットワーク（CNN）とは?
畳み込みニューラルネットワークを解説する前に，そもそも『ニューラルネットワーク』とは何なのか?
ニューラルネットワークとは，簡単に言うと，人間の脳機能の特性を数理的に表したモデルのことです．
そして，このモデルを何層にも重ねたものを『畳み込みニューラルネットワーク（CNN）』といいます．
今までに，畳み込みニューラルネットワーク（CNN）を使った作品
・キャベツとレタスを判定してみた
・花言葉を判定してみた
・自分の顔画像と他人の顔画像を判定してみた
Python 畳み込みニューラルネットワークのコード
#------------------------------------------------
model = Sequential()
model.add(Conv2D(32,
kernel_size=(3,3),
padding="same",
input_shape=(50, 50, 3)))
#マイナスの値を除去
model.add(Activation("relu"))
#------------------------------------------------
model.add(Conv2D(32,
kernel_size=(3,3)))
model.add(Activation("relu"))
model.add(MaxPooling2D(pool_size=(2,2)))
#過学習の抑制(ランダムでニューロンを無効化)
#偏ったニューロンに依存しないため
model.add(Dropout(rate=0.25))#25%無効化
#------------------------------------------------
model.add(Conv2D(64,
kernel_size=(3,3),
padding="same"))
model.add(Activation("relu"))
#------------------------------------------------
model.add(Conv2D(64,
kernel_size=(3,3)))
model.add(Activation("relu"))
model.add(MaxPooling2D(pool_size=(2,2)))
model.add(Dropout(0.25))
#------------------------------------------------
model.add(Flatten())
model.add(Dense(512))
model.add(Activation("relu"))
model.add(Dropout(0.5))
model.add(Dense(num_face_classes))
model.add(Activation("softmax"))
#------------------------------------------------このコードを見ても，「いったい，何を表しているの?」と思うのではないでしょうか?
そこで，今回は，このコードが何を表しているのかを解説していきます^^
畳み込みニューラルネットワークって，こんな仕組みなんだ!?
Conv2D，padding，reluとは?
まずは，以下のコードについて解説します．
model = Sequential()
model.add(Conv2D(32,
kernel_size=(3,3),
padding="same",
input_shape=(50, 50, 3)))
#マイナスの値を除去
model.add(Activation("relu"))
50×50×3のデータを3×3のフィルター32枚にかけます．
その際に，padding=”same”と書くことで，データの周りに0を並べて，出力のサイズを同じにします．
そして，Activation=(“relu”)で，マイナスの値は0にして，0以上の数字はそのまま表します．
これによって，取り出された特徴をより強調させる働きがあります．
MaxPooling，Dropoutとは?
次に，MaxPoolongとDropoutについて解説します．
model.add(MaxPooling2D(pool_size=(2,2))
model.add(Dropout(rate=0.25))
MaxPooling2D(pool_size=(2,2)で，2×2のサイズ内で最大値をとり，それを並べていきます．
そして，Dropout(rate=0.25)で，全データの25%を無効化します．
例えば，10万個のデータがあれば，その内の2万５千個のデータを無効化します．
これによって，過学習を抑制することが出来ます．
Flatten，Dense，softmaxとは?
最後に，FlattenとDenseとsoftmaxについて解説します．
model.add(Flatten())
model.add(Dense(512))
model.add(Activation("softmax"))
まず，Flatten() を使うことで，複数の次元のデータを一次元に変換します．
そして，Dense(512)で出力結果を512個のデータにします．
最後に，Activation(“softmax”)と書くことで，上の図の場合，画像を判定します．
このような仕組みで畳み込みニューラルネットワークが作られています．
終わりに
今回は，畳み込みニューラルネットワークの仕組みについて解説しました．
畳み込みニューラルネットワークの仕組みを知ベることで，
人工知能がどのようなものなのかをおおまかに理解できました．
今回解説した内容に間違いがある場合，以下のQ &Aで教えて頂けると助かります。
お手数をおかけしますが，よろしくお願いいたします。⤵