Pythonで理解する畳み込みニューラルネットワーク（CNN）の基礎とSobelフィルタによるエッジ検出

画像認識はかつて、線形回帰や類似度の比較といった、より単純な手法によって行われていました。その結果は決して良いものではなく、手書き文字のアルファベットを認識するという単純なタスクさえ困難でした。畳み込みニューラルネットワーク（CNN）は、人間が画像を知覚する際の脳の神経活動を緩やかに模倣する、計算コストの低い手法を提供することで、従来のアプローチから一歩進んだ存在となっています。

畳み込みニューラルネットワーク（CNN）の概要

人間がさまざまな物体を認識できるようになる過程と非常に似ていて、コンピュータのアルゴリズムも、入力を汎化し、初めて見る画像に対して判断を下せるようになるまでに、何百万もの画像を学習する必要があります。

コンピュータにとって、すべての画像は「ピクセル」と呼ばれる数値の2次元配列として見えています。画像内の物体を識別するために、コンピュータは特別な種類の人工ニューラルネットワーク、すなわち「畳み込みニューラルネットワーク（CNN：Convolutional Neural Network）」を使用します。CNNという名前は、このネットワークにおける最も重要な演算の一つである「畳み込み（Convolution）」に由来しています。

CNNの構造と畳み込みの仕組み

畳み込みニューラルネットワークでは、各層が「幅」「高さ」「深さ」という3つの軸で整理されています。CNNの中核となる畳み込みは、2つの関数を組み合わせて第3の関数を生成する（2組の情報を統合する）操作です。画像の畳み込みにおいては、具体的には2つの行列の対応する要素同士を掛け合わせ、その総和を取ることで実現されます。

画像処理における畳み込みは、以下の3つのステップからなる手順です。

• 入力画像を受け取ります。

• 入力画像に適用するカーネル（フィルタ）行列を用意します。

• 入力画像とカーネルを畳み込んだ結果を出力画像として保存します。

Sobelフィルタによるエッジ検出の実装例

以下は、OpenCVを使用してSobelフィルタを実装する簡単な例です。Sobelフィルタは、画像処理におけるエッジ検出のためのフィルタとして広く知られています。

import cv2
import numpy as np

img = cv2.imread('beach.jpg')
img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY).astype(float)

edge_x = cv2.Sobel(img, cv2.CV_64F, 1, 0, ksize=3)
edge_y = cv2.Sobel(img, cv2.CV_64F, 0, 1, ksize=3)
edge = np.sqrt(edge_x ** 2 + edge_y ** 2)

# 画像を0〜255の色空間に収まるように
# 正規化することができます
cv2.imwrite('beach_convol.jpg', edge)

入力画像

出力画像

このように、畳み込み演算はCNNの基礎となる重要な技術であり、Sobelフィルタのような古典的な画像処理フィルタも同じ原理に基づいています。OpenCVとPythonを組み合わせれば、数行のコードで実際に畳み込みの効果を視覚的に確認できます。