CNN（畳み込みニューラルネットワーク）

CNN（Convolutional Neural Network：畳み込みニューラルネットワーク）とは、画像処理に特化した「畳み込み層（Convolutional Layer）」を持つニューラルネットワークです。小さなフィルタ（カーネル）を画像全体にスライドさせながら適用することで、エッジ・テクスチャ・形状などの局所的特徴を階層的に抽出します。

CNNが重要な理由は、2012年のAlexNet（ImageNetでのエラー率を劇的に改善）がCNNの有効性を証明して以来、画像認識AIの中核技術となってきたためです。LeNet・AlexNet・VGG・ResNet・EfficientNetと進化し、医療画像診断・顔認識・自動運転・製造業の外観検査など多様な産業用途に採用されました。

技術的な特徴として、重み共有（同じフィルタを画像全体に適用することでパラメータを大幅削減）、局所受容野（近傍ピクセルのみを考慮）、プーリング層（次元削減・空間不変性の獲得）があります。2020年代にはTransformerベースのVision Transformer（ViT）が画像認識でも高性能を示しており、大規模モデルではViTがCNNに取って代わりつつあります。ただしCNNは計算効率・解釈可能性の面でまだ優位性を持つ分野があり、vision-language-modelのビジュアルエンコーダーとしても使われています。