G検定 用語解説
畳み込みニューラルネットワーク（CNN）とは
畳み込み層とプーリング層で画像などの特徴を抽出するネットワーク。
まず押さえる結論
畳み込みニューラルネットワーク（CNN）は、G検定の「大項目5 ディープラーニングの要素技術」で確認しておきたい用語です。定義だけでなく、どの場面で使う言葉か、何と混同しやすいか、問題文のどの表現で判断するかまで確認します。
情報源と編集区分
公式範囲を確認し、具体例・誤答例・判断手順は当サイトが編集。 一次情報確認日: 2026-07-03。
試験概要（公式）比較記事でさらに確認する
具体例から判断の境界を固める
局所的な特徴を段階的に組み合わせるネットワーク構造として捉える
画像から製品表面の傷を見つける場面では、畳み込み層が小さな受容範囲でエッジや模様のような局所特徴を抽出し、後段でより複雑な特徴へ組み合わせます。プーリングは空間方向の情報量を抑える処理として説明されることがあります。CNNという語が指す中心は、このような入力から特徴を作るネットワーク構造です。
- 問題文で見る箇所
- 設問が入力の局所性、フィルタ、カーネル、特徴マップ、畳み込み層、プーリング層を述べているかを見ます。画像という用途名だけで即答せず、どの構造で特徴を取り出す説明かを確認します。
- 隣接概念との境界
- Adamは損失から得た勾配を使ってパラメータをどう更新するかという最適化手法です。CNNは順伝播で特徴をどう抽出するかというモデル構造なので、同じ学習処理の中で併用でき、二者択一のモデル名ではありません。
誤答しやすい選択肢
- パラメータごとに学習率を調整する説明をCNNとする。これはAdamなど最適化手法の層です。
- 係数をゼロへ寄せて変数選択を促す説明をCNNとする。これはL1正則化の効果です。
- 過去時点の状態を次時点へ渡す説明をCNNとする。系列を扱う再帰構造の説明と分けます。
4段階の判断手順
- 01入力が画像かどうかだけでなく、局所的な位置関係を使う課題か確認する。
- 02フィルタを移動させて特徴マップを作る処理が書かれているか探す。
- 03問われているのがモデル構造、学習時の更新、過学習対策のどの層か決める。
- 04更新則や罰則の説明しかない選択肢を除外し、構造の説明を残す。
到達条件: CNNの層構造を説明したうえで、同じCNNをAdamで学習できる理由を一文で言える。
試験での問われ方
定義の言い換え
用語そのものではなく、説明文の一部を言い換えて出されることがあります。
似た概念との比較
同じ章の用語と入れ替えた選択肢に注意します。対象、目的、使う場面を分けます。
具体例からの判断
問題文の事例が、定義のどの部分に対応しているかを先に確認します。
誤答しやすいポイント
×CNN（画像・畳み込み/プーリング）とRNN（時系列・系列データ）の使い分け。
×LSTMとGRUのゲート数の混同（LSTM＝3ゲート＋記憶セル、GRU＝2ゲートに簡略化）。
×最適化手法の取り違え（モメンタム＝慣性、AdaGrad/RMSProp＝適応学習率、Adam＝両方）。GAN・VAE・拡散モデルの生成方式の違い。
関連する確認問題
大項目5 ディープラーニングの要素技術 / 畳み込みニューラルネットワーク
CNNにおいて、特徴マップの縦横サイズを縮小して計算量を抑えつつ、対象の位置が多少ずれても出力が変化しにくい性質（位置不変性）を高める働きを主に担う層はどれか。
正解は「プーリング層」である。プーリング層は特徴マップを一定領域ごとに集約してダウンサンプリング（縮小）し、対象の位置が多少ずれても同じ特徴として検出できる位置不変性を高める層である。畳み込み層はフィルタで特徴を抽出する層、全結合層は抽出済みの特徴を統合して分類などの出力につなげる層、出力層は最終的な予測値を出す層であり、いずれもサイズ縮小と位置不変性の付与という2条件を同時には満たさない。設問はこの2条件をともに満たす層を問うており、両方を満たすのはプーリング層だけである。
大項目5 ディープラーニングの要素技術 / 畳み込みニューラルネットワーク
生物の視覚野における単純型細胞と複雑型細胞の働きに着想を得て提案された、現在の畳み込みニューラルネットワークの原型とされる初期の階層型モデルはどれか。
正解は「ネオコグニトロン」である。ネオコグニトロンは視覚野の単純型細胞・複雑型細胞の階層構造に着想を得た初期モデルで、現在のCNNの原型とされる。LeNetは誤差逆伝播法で学習する初期のCNNだが視覚野の細胞への着想から生まれた原型モデルそのものではなく、AlexNetはILSVRCで注目された深いCNN、ResNetは残差接続を導入したより新しいモデルであり、いずれも視覚野の細胞に着想した最初期の原型とは言えない。設問は「原型」という時系列上の位置づけを問うており、これに該当するのはネオコグニトロンだけである。
大項目5 ディープラーニングの要素技術 / 畳み込みニューラルネットワーク
畳み込み演算において、フィルタを入力データ上でずらしながら適用する際の、1回あたりの移動幅を指す用語はどれか。
正解は「ストライド」である。ストライドは畳み込みでフィルタを入力データ上でずらす際の1回あたりの移動幅を指す語で、値を大きくすると出力サイズが小さくなる。フィルタ（カーネル）は特徴抽出に用いる重みのまとまりを指す語、プーリングは特徴マップを縮小する処理、パディングは入力の周囲に画素を補って出力サイズを調整する処理であり、いずれも移動幅そのものを表す語ではない。設問は「1回あたりの移動幅」という量を問うており、これに対応する語はストライドだけである。
同じ章で確認したい用語
到達チェック
- 畳み込みニューラルネットワーク（CNN）を一文で説明できる
- 同じ章の似た用語と違いを説明できる
- 問題文の具体例から、畳み込みニューラルネットワーク（CNN）に関係する論点を拾える
- 関連問題を解き、誤答した選択肢の理由を確認できる
執筆: ミナト編集部（運営者情報を見る）