畳み込みニューラルネットワーク（CNN）は、画像認識などの格子状のデータ処理に特化したディープラーニングの一種です。画像の特徴を効率的に抽出する「畳み込み層」と、位置のズレに対する耐性を高める「プーリング層」を組み合わせることで、高精度なパターン認識を実現し、自動運転や画像診断などの分野に大きく貢献しています。
畳み込みニューラルネットワークとは
畳み込みニューラルネットワーク（CNN）は、画像認識や映像解析などの分野で広く用いられるディープラーニング（深層学習）のモデル構造です。データの位置情報を保持したまま特徴を効率的に抽出できる仕組みを備えており、現代のコンピュータビジョン技術の基盤となっています。
詳しく解説
畳み込みニューラルネットワークは、主に「畳み込み層」「プーリング層」「全結合層」という3つの階層を組み合わせて構築されます。従来のニューラルネットワーク（全結合のみのモデル）では、2次元の画像を1次元のベクトルに平坦化して入力するため、ピクセル同士の空間的な位置関係（縦・横の繋がり）が失われてしまうという課題がありました。これに対し、畳み込み層では「フィルタ（カーネル）」と呼ばれる小さな行列を画像の上でスライドさせながら積和演算を行うことで、画像の輪郭やテクスチャといった局所的な特徴を抽出します。続くプーリング層では、特徴マップを縮小（ダウンサンプリング）し、物体の位置が多少ズレても正しく認識できるように頑健性を与えます。最後に、抽出された特徴を全結合層に送り、最終的なクラス分類や予測を行います。この一連の処理によって、画像全体の解像度や位置の変化に影響を受けにくい高度な認識が可能となりました。
具体例・使われ方
畳み込みニューラルネットワークの最も代表的な応用例は画像認識です。例えば、スマートフォンの顔認証システム、自動運転車における歩行者や信号機の検知、医療分野におけるレントゲンやMRI画像からの病変検出などで活用されています。また、画像だけでなく、音声データを受音波形のスペクトログラム（画像データの一種）に変換して処理する音声認識や、文章をテキストグリッドとして扱う自然言語処理の分野でも応用されています。
似た用語との違い
畳み込みニューラルネットワークと混同されやすい概念に、通常の「全結合ニューラルネットワーク」や「リカレントニューラルネットワーク（RNN）」があります。全結合ニューラルネットワークがすべての入力と出力を1対1で繋ぎ、データの順序や位置関係を考慮しないのに対し、畳み込みニューラルネットワークはデータの「局所的な位置関係」を重視します。また、RNNが時系列データや文章などの「前後の文脈（時間の流れ）」を扱うのに適しているのに対し、畳み込みニューラルネットワークは画像のような「空間的な広がり」を持つデータの処理に最も適しています。
注意点
畳み込みニューラルネットワークは強力な手法ですが、学習には大量のラベル付きデータと高い計算リソース（GPUなど）が必要です。また、データの空間的な繋がりを前提としているため、データの順序に意味がないような構造化データ（表形式データなど）に対しては、他の機械学習アルゴリズムと比べて十分な性能を発揮できないことがあります。さらに、モデルの判定プロセスがブラックボックス化しやすく、なぜその画像が特定のクラスに分類されたのかという「説明可能性」の確保が課題となっています。