④ ディープラーニングの要素技術／ 18. 畳み込み層

フィルタ（カーネル）とは

フィルタ（カーネル）とは、入力データに対して畳み込み演算を行う小さな重み行列です。画像からエッジや模様などの特徴を抽出する役割を持ち、その値は学習によって自動的に決まります。

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。

画像の特徴を拾い出すための小さな重み行列。CNNが学習で獲得します。

フィルタとカーネルは同じもの

CNNの文脈では、フィルタとカーネルは同義として使われます。どちらも3×3や5×5といった小さな重み行列を指します。

この行列を画像の上でずらしながら畳み込み操作を行い、特徴マップを作ります。

従来の画像処理では、エッジ検出などのフィルタを人間が設計していました。

CNNではフィルタの値も重みとして学習によって自動的に獲得されます。これがディープラーニングの「特徴量を自動で学習する」という性質そのものです。

浅い層のフィルタはエッジや色、深い層のフィルタは物体の部分といった複雑な特徴に反応するようになります。

注意が必要なのは、SVMのカーネルとはまったく別の概念だという点です。

用語	意味
CNNのカーネル	畳み込みに使う小さな重み行列（＝フィルタ）
SVMのカーネル	高次元の内積を低次元のまま計算する関数

名前が同じでも中身は無関係です。文脈で判断してください。

フィルタのサイズは3×3や5×5など奇数が使われます。偶数だと中心が定まらず、出力位置が半画素ずれてしまうためです。

また、大きなフィルタ1枚より小さなフィルタを重ねるほうがパラメータが少なく済み、非線形性も増やせることが知られています。現代のCNNで3×3が主流なのはこのためです。