CNN（畳み込みニューラルネットワーク）

画像認識に特化したディープラーニングのモデル。畳み込み層とプーリング層を組み合わせて画像の局所的な特徴を抽出し、画像分類・物体検出・顔認識などに高い精度を発揮する。

画像認識に特化したニューラルネットワーク。畳み込み層で画像の局所的な特徴を抽出し、プーリング層でデータを縮小する構造を持つ。CNNと略され、物体検出や画像分類に高い性能を示す。

畳み込み層とプーリング層を組み合わせた深層学習モデル。局所的な特徴をフィルタで抽出し、階層的に高次の特徴を学習する。画像認識、物体検出、セグメンテーションなどの画像処理タスクで高い性能を発揮する。

畳み込み層とプーリング層を交互に重ねて特徴を抽出し、最後に全結合層で分類などを行うニューラルネットワーク。局所的な結合と重みの共有により、少ないパラメータで画像の位置がずれても同じ特徴を捉えられる。画像認識、物体検出、医用画像の診断支援などで高い性能を示し、音声や時系列データにも応用される。

カメラなどで撮影した動画から、写っている人物や物体、その動作や出来事を自動的に識別する技術。連続するフレームの変化から動きを捉える点で静止画の画像認識と異なり、ジェスチャーによる操作、監視カメラでの異常の検知などに使われる。

カメラで撮影した画像をコンピュータで処理・解析し、機械の判断や制御に用いる技術。製造ラインでの外観検査、寸法計測、文字の読取り、ロボットによる部品の位置決めなどに使われ、深層学習による画像認識で不良の検出精度が高まっている。

カメラ映像の処理や画像認識などのコンピュータビジョンの処理を、低消費電力で実行するよう特化したプロセッサ。監視カメラ、ドローン、ロボットなどの機器に組み込まれ、映像をクラウドに送らずに端末側で物体検出などの推論を行うエッジAIに使われる。

勾配降下法などでモデルのパラメータを更新するとき、1回の更新でどれだけ大きくパラメータを動かすかを決めるハイパーパラメータ。大きすぎると誤差が最小となる点を飛び越えて学習が収束せず、小さすぎると学習に時間がかかったり局所的な解にとどまったりする。

多層のニューラルネットワークを誤差逆伝播法で学習させるとき、出力層から入力層へ誤差を伝えるにつれて勾配が小さくなり、入力層に近い層の重みがほとんど更新されなくなる問題。シグモイド関数を活性化関数に使うと起こりやすく、ReLU関数の採用、残差接続、LSTMなどで緩和される。

脳の神経細胞のつながりを模した計算モデル。入力層、中間層（隠れ層）、出力層からなり、各層のノードは前の層からの入力に重みを掛けて合計し、活性化関数を通して次の層へ出力する。重みは誤差逆伝播法などで学習し、層を深くしたものがディープラーニングである。