セマンティックセグメンテーション
セマンティックセグメンテーションは、画像内のすべてのピクセルに対して意味的なクラスを分類するコンピュータビジョンの技術です。物体検出とは異なり、物体の輪郭をピクセル単位で正確に特定できるため、自動運転や医療画像解析などで広く活用されています。
深層学習のAI用語一覧
16件深層学習に関するAI用語を16件掲載しています。意味や使い方、関連用語を一覧から確認できます。
シグモイド関数
シグモイド関数とは、任意の入力値を0から1の範囲の実数に変換するS字型の数学的関数です。機械学習や深層学習において二値分類の予測確率の算出やニューラルネットワークの活性化関数として広く活用されてきました。
大規模言語モデル（LLM）
大規模言語モデル（LLM）とは、膨大なテキストデータを学習し、人間のような自然な文章を生成・理解できるAIモデルです。Transformerと呼ばれる深層学習アーキテクチャをベースにしており、対話型AIや文章要約、翻訳、プログラミング支援など幅広い分野で活用されています。現代の生成AIにおける中核技術です。
オーバーフィッティング
オーバーフィッティングとは、AIや機械学習モデルが訓練データに対して過剰に適合し、未知のデータに対する予測性能が低下する現象のことです。過学習とも呼ばれ、モデルが訓練データのノイズや細部まで記憶しすぎてしまうことが原因で発生します。
ニューロン
ニューロンとは、脳の神経細胞を模した人工知能の基本単位です。複数の入力信号を受け取り、一定の条件を満たした場合にのみ次の信号を出力する仕組みを持ち、人工ニューラルネットワークの基礎として多くのAI技術に応用されています。
受容野
受容野とは、畳み込みニューラルネットワークにおいて、特定のニューロンが入力データのどの範囲の情報に影響を受けるかを表す領域のことです。層を深く重ねることで受容野は広がり、局所的な特徴から画像全体の大域的な特徴へと理解が深まります。モデルの認識性能や設計に直結する重要な概念です。
ステップ
機械学習のモデル訓練において、データの一部（ミニバッチ）を用いてパラメータを1回更新する最小の処理単位、あるいは画像生成AIなどの拡散モデルにおける段階的なノイズ除去プロセスの1回分のステップを指します。文脈により学習時のイテレーション（反復）や、生成時のサンプリング段階を意味し、AIの性能や生成品質を制御する重要な概念です。
マックスプーリング
マックスプーリングは、畳み込みニューラルネットワーク（CNN）において、画像などの特徴マップの空間サイズを縮小するためのダウンサンプリング手法です。領域内の最大値を選択することで、重要な特徴を保持しつつ計算量を削減します。
人工ニューラルネットワーク
人工ニューラルネットワークとは、人間の脳の神経回路網を模して作られた機械学習の数学モデルです。入力層、隠れ層、出力層の多層構造を持ち、データから特徴を自動的に学習することで、画像認識や自然言語処理など多様なAI技術の基礎となっています。
デコーダ
デコーダは、符号化されたデータや入力されたコンテキストを基に、テキストや画像などの分かりやすい情報へ変換・生成するAIの重要な構成要素です。大規模言語モデルなどの生成AIにおける中核技術として幅広く活用されています。
VAE
VAE（Variational Autoencoder）とは、入力データを圧縮して潜在空間に表現し、そこから新しいデータを生成する深層学習の生成モデルです。確率的なアプローチを用いることで、なめらかなデータの補間や多様な生成を実現します。
生成器
生成器とは、GANなどの深層学習モデルにおいて、確率的なノイズや入力データから本物そっくりな画像やテキストなどのデータを新しく作り出す役割を持つネットワークのことです。
拡散モデル
拡散モデルは、データにノイズを徐々に加えて破壊する過程と、そのノイズを除去して元のデータを復元する過程を深層学習で学ぶ生成AIモデルです。高画質な画像生成などで広く活用され、高い創造性と安定性を実現しています。
多クラス分類
多クラス分類とは、データが3つ以上のカテゴリのどれに属するかを予測する機械学習のタスクです。犬や猫、鳥など複数の選択肢から正解を1つ選ぶ問題などで広く利用され、画像認識や自然言語処理の基礎となる重要な技術です。
アテンション機構
アテンション機構とは、ニューラルネットワークが入力データ全体の中から特に重要な部分に焦点を当てて処理を行う仕組みです。機械翻訳や文章生成の精度を飛躍的に向上させたTransformerの根幹技術であり、現在の生成AIの基礎となっています。
畳み込みニューラルネットワーク（CNN）
畳み込みニューラルネットワーク（CNN）とは、主に画像や動画などの格子状データの処理に特化したディープラーニングの構造です。フィルターを用いた畳み込み処理とプーリング処理を組み合わせることで、データの局所的な特徴を効率的に抽出し、画像認識や物体検出などの分野で高い性能を発揮します。