学生懸賞論文集 第42号

9/108

2目次内容■．はじめに■．実験■．■．実行環境■．■．エントロピーの計算手法■．■．学習モデルの生成■．■．実験方法■．結果と考察■．■．モデルの精度比較結果■．■．クラスごとの正解率■．■．考察■．おわりに参考文献AI技術の発展により、画像認識の精度向上を図る研究が盛んに行われるとともに、様々なツールに応用され広まっている。中でも例えば画像や映像から犬や猫など一般的な名称で物体を認識する技術である一般物体認識において、畳み込みニューラルネットワークによる機械学習が多く用いられている。畳み込みニューラルネットワーク（ConvolutionalNeuralNetwork、CNN）とは、人の脳神経を模した「ニューラルネットワーク」の一種であり、中でも、通常■層程度で構成されている一般的なニューラルネットワークよりもさらに多くの層から構成されている「ディープニューラルネットワーク」の一つである。また畳み込みニューラルネットワークは「畳み込み層」や「プーリング層」といった独自の構造を持っている点が特徴である。畳み込み層の役割は、画像内の局所的な特徴量の抽出であり、画像内の隣接する画素間の関係性、特にエッジ（画像内での輝度の変化が大きい部分）や色の変化といった局所的な特徴を検出する。プーリング層の役割は、移動普遍性の付与であり、畳み込み層で抽学生懸賞論文集第■■号■．はじめに