⑤ ディープラーニングの応用例

用語ページ索引（全127ページ）

この章の用語を1語ずつ解説した個別ページの一覧です。

📖 各用語の解説と学習の進め方は用語解説⑤（全133語）にまとまっています。まずはそちらからご覧ください。

26. 画像認識30語

AlexNet2012年のコンテストで圧勝し、ディープラーニングの時代を開いたCN…
DeepLabフィルタに隙間を空ける畳み込みで、解像度を落とさず広い範囲を見るモデ…
DenseNetすべての層を直接つなぐことで、情報と勾配が流れやすくしたCNNです。
EfficientNet深さ・幅・入力解像度を同じ比率で大きくすることで、効率よく性能を上げ…
Fast R-CNN候補領域ごとではなく画像全体に1回だけCNNをかけて高速化した物体検…
Faster R-CNN候補領域の抽出まで学習で行うようにした、2段階方式の代表的な物体検出…
FCN (Fully Convolutional Network)全結合層をなくして畳み込みだけで作った、セグメンテーションの元祖モデ…
FPN解像度の違う特徴マップを組み合わせて、小さな物体も見つけやすくする構…
GoogLeNet複数サイズのフィルタを並列に使うInception構造で、効率よく表…
Mask R-CNN物体を枠で囲むだけでなく、その形まで画素単位で切り出すモデルです。
MnasNetAIがAIの構造を設計し、スマホでの速さを最適化したモデルです。
MobileNetスマートフォンでも動かせるように、計算量を大きく削減したCNNです。
NAS (Neural Architecture Search)ネットワークの設計そのものを、人ではなくアルゴリズムに探させる技術で…
Open Pose複数の人の骨格を、同時にリアルタイムで推定できる姿勢推定ライブラリで…
PSPNet画像全体の文脈を複数のスケールで捉えて、判定精度を高めるモデルです。
SegNetプーリングでどこの値を選んだかを覚えておき、復元時に活かすモデルです…
SENetどのチャンネルが重要かを学習して、重みづけするCNNです。
SSD1回の走査で、大小さまざまな枠を使って物体を検出する高速な手法です。
UNetU字型の構造を持ち、少ないデータでも精密に領域を切り出せるモデルです…
VGG3×3の小さなフィルタだけを積み重ねた、シンプルで深いCNNです。
Vision Transformer画像を小さなタイルに切って単語のように扱い、Transformerで…
Wide ResNetResNetを「深く」ではなく「太く」した派生モデルです。
YOLO画像を一度見るだけで、物体の位置と種類を同時に予測する高速な検出手法…
一般物体認識「犬」「車」など多様なカテゴリを幅広く認識する技術の総称です。
インスタンスセグメンテーション同じ種類の物体でも1つずつ区別して、画素単位で切り出すタスクです。
姿勢推定人の関節の位置を見つけて、どんな姿勢をとっているかを推定する技術です…
セマンティックセグメンテーション画像の1画素ずつに「これは何か」のラベルを付けるタスクです。個体は区…
物体検出画像の中の物体を四角い枠で囲み、それが何かを答えるタスクです。
物体識別画像に何が写っているかを答えるタスク。位置は問いません。
パノプティックセグメンテーション個体を区別しつつ、背景も含めてすべての画素を分類する統合的な手法です…

27. 自然言語処理24語

BERTTransformerのエンコーダを使い、前後両方の文脈から言葉を理…
BoW (Bag-of-Words)文章を「どの単語が何回出たか」だけで表す、語順を無視した表現方法です…
CBOW前後の単語から真ん中の単語を当てる形で、単語ベクトルを学習する方式で…
CECLSTMの中で、誤差を減衰させずに運ぶ「記憶の通り道」にあたる構造で…
ChatGPT参考GPTを土台に、人の評価を使った強化学習で対話向けに調整したサービス…
ELMo同じ単語でも文脈によってベクトルが変わる、文脈依存の単語表現モデルで…
fastText単語を文字の並びに分解して学習することで、知らない単語にも対応できる…
GLUE言語理解モデルの実力を複数の課題でまとめて測る、標準的な評価セットで…
GPT-n参考Transformerのデコーダを使い、次の単語を予測し続けることで…
n-gram単語や文字を n 個ずつまとめて扱うことで、並びの情報を取り込む手法…
PaLMGoogleが開発した5400億パラメータの巨大言語モデルです。
TF-IDF「その文書によく出る」かつ「他の文書にはあまり出ない」語を重要とみな…
word2vec単語をベクトルに変換し、意味の足し引きができるようにした画期的な手法…
感情分析文章や音声から「どんな感情か」を推定するタスクです。
機械翻訳文章を自動で別の言語に翻訳する技術。手法は3世代にわたって変化してき…
形態素解析文を意味の最小単位に区切り、品詞を判定する処理です。日本語処理の出発…
構文解析どの単語がどの単語にかかっているかを解析し、文の構造を明らかにする処…
情報検索大量の文書から、探している内容に近いものを見つけて順番に並べる技術で…
スキップグラム真ん中の単語から前後の単語を当てる形で、単語ベクトルを学習する方式で…
単語埋め込み単語を数値のベクトルに変換する技術。意味の近さを計算できるようになり…
分散表現意味の近さを距離で表せるように、単語や文を数値ベクトルで表す考え方で…
文書要約長い文章を短くまとめるタスク。文を選ぶ方式と、文を作る方式があります…
ワンホットベクトル該当する単語のところだけ1、他はすべて0にした単純な単語の表し方です…
大規模言語モデル (LLM)とてつもなく多くのパラメータを持ち、幅広い言語タスクをこなせるモデル…

28. 音声処理16語

A-D変換アナログの音をデジタルデータに変える処理。3つの段階を踏みます。
WaveNet音の波形そのものを1点ずつ作り出す、自然な音声を生成するモデルです。
音韻意味の違いを生む音の区別。物理的な音の細かい違いは同じ音韻として扱わ…
音声合成文字を読み上げて音声にする技術です。
音声認識話した言葉を文字に変換する技術です。
音素実際に発音される音の最小単位。音声認識ではこれを単位に分析します。
隠れマルコフモデル（HMM）音声の背後にある音素の並びを、確率的に推定する古典的なモデルです。
高速フーリエ変換 (FFT)音の波形を「どの高さの音がどれだけ含まれるか」に変換する計算です。
スペクトル包絡周波数成分の細かい凹凸をならした「大まかな形」。母音や声質を決めます…
パルス符号変調器 (PCM)音をデジタル化する最も基本的な方式。CDなどで使われています。
フォルマント音声の周波数成分に現れる山。どの母音かを決める重要な手がかりです。
フォルマント周波数フォルマントの山が現れる周波数の位置。人によって違いが出ます。
メル周波数ケプストラム係数 (MFCC)人の聴こえ方に合わせて音声を数値化した、音声認識の定番特徴量です。
メル尺度人間の耳の感じ方に合わせて周波数を目盛り直した尺度です。
話者識別「誰が話しているか」を声から判定する技術です。
CTC (Connectionist Temporal Classification)音声と文字のように長さが違うデータどうしを、対応付けなしで学習できる…

29. 深層強化学習20語

A3C複数のエージェントを同時に動かして経験を集め、学習を速く安定させる手…
Agent57Atariの全57ゲームで、初めて人間を上回った強化学習エージェント…
APE-X大量のエージェントで経験を集め、役に立つ経験から優先的に学習する仕組…
DQNQ学習のQ値をニューラルネットワークで推定し、ゲーム画面から直接行動…
OpenAI Five5体のAIがチームを組み、Dota 2でプロチームに勝利したシステム…
PPO一度に方策を変えすぎないよう制限をかけ、安定して学習できるようにした…
RainbowDQNの改良技術を7つすべてまとめた、いいとこ取りのモデルです。
RLHF人間が「良い・悪い」を評価し、その好みに沿うようAIを調整する技術で…
sim2real仮想空間で大量に学習させ、その成果を現実の機械に持ち込む技術です。
アルファスターDeepMindが開発し、スタークラフト2でプロを破った強化学習AI…
オフライン強化学習新しく試すことなく、すでにあるデータだけで方策を学ぶ強化学習です。
残差強化学習従来の制御を土台にして、足りない部分だけをAIが補正する方式です。
状態表現学習画面のような複雑な入力から、判断に必要な情報だけを取り出す技術です。
ダブル DQN「どの行動を選ぶか」と「その価値を測る」を別々に行い、Q値の過大評価…
デュエリングネットワークQ値を「この状況の良さ」と「この行動の相対的な良さ」に分けて推定する…
ドメインランダマイゼーション仮想環境の条件をわざとバラバラに変えて学習し、現実のズレに強くする手…
ノイジーネットワーク重みにノイズを混ぜることで、探索そのものを学習に組み込む仕組みです。
報酬成形ゴールまで遠い課題で、途中の進歩にも報酬を与えて学習を進みやすくする…
マルチエージェント強化学習複数のAIが同じ環境で同時に学習し、協力や競争を通じて賢くなる枠組み…
連続値制御「右か左か」ではなく「何度回すか」のように、連続した値で行動を決める…

30. データ生成9語

CycleGAN対になったデータがなくても、2つの画像スタイルを行き来する変換を学べ…
DCGANGANにCNNを組み込み、画像生成を安定させたモデルです。
Diffusion Modelノイズを少しずつ取り除いていくことで画像を作り出す、現在主流の生成モ…
NeRF何枚かの写真から3次元の空間を再現し、どの角度からでも画像を作れる手…
Pix2Pix「変換前」と「変換後」の対になった画像を使って、画像変換を学習するG…
音声生成テキストなどをもとに、人の声の波形そのものを作り出す技術です。
画像生成学習した傾向をもとに、実在しない新しい画像を作り出すタスクです。
敵対的生成ネットワーク (GAN)「偽物を作る側」と「見破る側」を競わせることで、本物そっくりのデータ…
文章生成文脈に合った自然な文章を作り出すタスクです。

31. 転移学習・ファインチューニング6語

Few-shot数個の例を見せるだけで、新しい課題に対応できるようにする学習形態です…
One-shotたった1つの例だけを見て、新しい対象を判別できるようにする学習形態で…
自己教師あり学習データ自身から正解を作り出して学習する手法。ラベル付けが不要です。
事前学習済みモデルあらかじめ大量のデータで学習させておいた、使い回せるモデルのことです…
破滅的忘却新しいことを学ぶと、前に覚えたことを急に忘れてしまう現象です。
半教師あり学習少しの正解付きデータと、大量の正解なしデータを組み合わせて学習する手…

32. マルチモーダル10語

CLIP画像と文章を同じ空間の点として表し、対応するもの同士を近づけたモデル…
DALL-E「〜な絵を描いて」という文章から、その通りの画像を作り出すモデルです…
Flamingo画像や動画を見ながら、少数の例だけで対話や推論ができるモデルです。
Image Captioning画像を見て、その内容を説明する文章を自動で作るタスクです。
Text-To-Image文章で指示すると、その内容の画像を作ってくれる技術の総称です。
Visual Question Answering (VQA)画像について質問すると、その内容にもとづいて答えてくれるタスクです。
Unified-IO形式の違うさまざまな課題を、1つのモデルでまとめて扱えるようにした仕…
Zero-shot例を1つも見せずに、未知の課題を解いてしまう能力のことです。
基盤モデルさまざまな用途の土台になる、大規模に事前学習された汎用モデルです。
マルチタスク学習関連する複数の課題を同時に学ばせて、共通の力を伸ばす手法です。

33. モデルの解釈性6語

CAMCNNが画像のどこを見て判断したかを、色の濃淡で示す手法です。
Grad-CAM勾配を使うことで、どんなCNNでも「どこを見たか」を可視化できるよう…
LIME知りたい1件の周辺だけを単純なモデルで近似し、その予測理由を説明する…
Permutation Importanceある特徴量をわざと壊してみて、性能がどれだけ落ちるかで重要度を測る手…
SHAP各特徴量が予測にどれだけ貢献したかを、公平なルールで分配する手法です…
説明可能 AI (XAI)AIがなぜそう判断したのかを、人にわかる形で示す技術の総称です。

34. モデルの軽量化6語

エッジ AIクラウドに送らず、手元の機器の中でAIの処理を行う仕組みです。
蒸留大きくて賢いモデルの答え方を、小さなモデルに教え込んで軽量化する手法…
宝くじ仮説大きなネットワークの中に、最初から優秀な小さな部分が隠れているという…
プルーニングあまり使われていない重みを刈り取って、モデルを小さくする手法です。
モデル圧縮精度をなるべく落とさずに、モデルを小さく軽くする技術の総称です。
量子化数値の細かさを粗くすることで、モデルを小さく・速くする手法です。

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。