畳み込み操作とは
畳み込み操作とは、フィルタを入力上でスライドさせ、積和演算によって局所特徴を抽出する計算です。CNNの基盤となる処理で、計算手順は必ず押さえておきたいポイントです。
この用語はG検定シラバスの「18. 畳み込み層」に含まれます。 章全体の用語は用語解説④（全60語）にまとまっています。
一言でいうと
小さなフィルタを画像の上でずらしながら掛けて足す計算。CNNの心臓部です。
計算の手順
これを繰り返してできる出力が特徴マップです。計算問題として出ることがあるので、手を動かして確かめておきましょう。
🧪 数字を入れて確かめる
畳み込みは手順を読むより、実際に数字を動かしたほうが速く理解できます。 カーネルサイズ・ストライド・パディングを変えると出力サイズがどう変わるかを、 その場で計算して確かめられるシミュレータを用意しています。
CNN出力サイズ計算シミュレータを開く →全結合層に対する2つの利点
- 局所受容野：近くの画素どうしの関係だけを見る。画像では近い画素ほど関係が強いという性質に合っている
- パラメータ共有：同じフィルタを画像全体で使い回す。パラメータ数が激減し、位置が変わっても同じ特徴を検出できる
全結合層で画像を扱うとパラメータが膨大になり学習できません。これを解決したのが畳み込みです。
チャンネルがある場合
カラー画像は赤・緑・青の3チャンネルを持ちます。このときフィルタも3チャンネル分の厚みを持ち、全チャンネルをまとめて積和します。
結果として、1枚のフィルタからはチャンネル数によらず1枚の特徴マップができます。ここは出力サイズの計算で間違えやすい点です。
🎯 G検定での押さえどころ
- フィルタをスライドさせて積和演算する
- 局所受容野とパラメータ共有が利点
- 出力サイズの計算を確実にできるようにしておきたいところ
⚠️ よくある誤りの選択肢
- 「畳み込み操作では画像全体を一度に処理する」→ 誤り。局所領域ごとに処理します
- 「畳み込みでは位置ごとに異なるフィルタを使う」→ 誤り。同じフィルタを使い回します（パラメータ共有）
📘 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「畳み込みニューラルネットワーク」（E資格向け）
- 手を動かして確かめる → CNN出力サイズ計算シミュレータ
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。