2D CNN（2次元畳み込みニューラルネットワーク）は、画像や2次元のデータ処理に特化したディープラーニングのモデル構造です。カーネルと呼ばれるフィルターを用いて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。
2D CNNとは
一言でいうと、2D CNNとは、縦と横の広がりを持つ2次元データから効率的に特徴量を学習するためのディープラーニングのアーキテクチャです。
詳しく解説
2D CNNは、入力データに対して畳み込み演算とプーリング処理を繰り返すことで構成されています。畳み込み層ではフィルター（カーネル）をスライドさせながら局所的なパターンを抽出し、深層に進むにつれてエッジなどの単純な特徴から、物体の一部や全体といった複雑な特徴へと階層的に学習を進めます。画像処理の分野において、空間的な位置関係を保持したまま特徴量を抽出できるため、従来の全結合層のみのネットワークに比べてパラメータ数を大幅に削減しつつ高い認識精度を実現できるという重要性があります。
具体例・使われ方
スマートフォンのカメラアプリにおける顔認識や、自動運転システムでの歩行者や障害物の物体検出、医療分野におけるレントゲンやMRI画像からの病変の検出などに広く利用されています。
似た用語との違い
1次元の時系列データや音声信号を処理する1D CNNや、動画のフレーム間や医療用3D画像などの3次元データを対象とする3D CNNとは、処理対象となるデータの次元数が異なります。2D CNNはあくまで縦と横の2次元平面上の特徴抽出を主目的としています。
注意点
2D CNNは平行移動に対しては頑健である一方、回転や拡大縮小、視点の変化が大きいデータに対しては認識精度が低下する場合があります。また、十分な性能を引き出すためには大量の学習データが必要となり、過学習を防ぐための適切な正則化やデータ拡張の工夫が不可欠です。