ディープラーニングの原理とビジネス化の現状 (1) ディープラーニングシステムの基本を知る

学習は、例えば、次の図でxは入力画像で、yは猫らしさの正解の値である。1つの画像を選び、xを入力して、ネットワークのニューロンの出力を順に計算して出力を得る。この値が正しくない場合は、出力が正解yに近づくよう重みを変更する。これを多数の猫の画像を使って行う。

一般的に猫を認識するには、いろいろな種類の猫のいろいろな姿勢で、背景もいろいろな種類の画像を用いて学習させる必要がある。インターネットから多数の画像が集められるようになったことが、ディープラーニングの認識精度が向上した大きな理由の1つである。また、多数の画像で学習を行うので、計算量は膨大であるが、コンピュータが速くなり、最近ではGPUを使って、さらに高速に学習を行えるようになったことが貢献している。