⑤ ディープラーニングの応用例 ／ 30. データ生成
DCGANとは
DCGANとは、畳み込みニューラルネットワーク（CNN）をGANに導入し、画像生成の安定性と品質を大幅に向上させたモデルです。バッチ正規化や層構成の最適化により安定した学習を可能にしました。
この用語はG検定シラバスの「30. データ生成」に含まれます。 章全体の用語は用語解説⑤（全133語）にまとまっています。
一言でいうと
GANにCNNを組み込み、画像生成を安定させたモデルです。
CNNの導入
初期のGANは全結合層で構成されており、画像の空間的な構造を活かせていませんでした。
DCGANはCNNを採用し、画像の局所的な特徴を自然に扱えるようにしました。これだけで生成される画像の品質が大きく向上します。
安定化のための設計指針
- バッチ正規化の導入
- プーリング層を使わず、ストライド付き畳み込みで縮小・拡大する
- 全結合層を極力使わない
- 活性化関数の使い分け（生成器と識別器で変える）
これらは経験的に見つけられた設計指針で、その後のGAN研究の基礎になりました。
潜在空間の演算
DCGANでは、入力ノイズの空間で「眼鏡をかけた男性−男性＋女性＝眼鏡をかけた女性」のような演算が成り立つことが示されました。
word2vecのベクトル演算と同じ性質で、意味のある空間が学習されていることの証拠とされました。
🎯 G検定での押さえどころ
- GANにCNNを導入した
- バッチ正規化などで学習を安定化
- その後のGAN研究の基礎となる設計指針を示した
⚠️ よくある誤りの選択肢
- 「DCGANは全結合層のみで構成される」→ 誤り。CNNを導入した点が特徴です
📘 もっと深く学ぶ
- 数式レベルまで踏み込んだ解説 → 医療AIナビ「GAN」（E資格向け）
関連する用語
ご利用にあたって 本ページの内容は、JDLAが公開しているG検定シラバス2024や公式テキストなど、一般に公開されている情報をもとに独自に整理・解説したものです。実際の試験の出題内容を示すものではなく、また合格を保証するものでもありません。制度・法令・試験要項は変更されることがあるため、最新の情報は必ずJDLA公式サイトでご確認ください。