6.3.1 CNN ロードマップ：画像を特徴マップへ変える

CNN は局所的な視覚パターンを学びます。画像を1行に平坦化するのではなく、小さな領域をスキャンして特徴マップを作ります。

まず画像フローを見る

概念	最初の意味
channel	色または学習された特徴次元
kernel	小さなスライドフィルタ
feature map	フィルタが画像を走査した後の出力
pooling / stride	空間サイズを小さくする
transfer learning	学習済みの視覚 backbone を再利用する

畳み込みを一度動かす

cnn_first_loop.py を作り、torch をインストールしてから実行します。

import torch

image = torch.randn(1, 3, 32, 32)
conv = torch.nn.Conv2d(in_channels=3, out_channels=8, kernel_size=3, padding=1)
features = conv(image)

print("input_shape:", tuple(image.shape))
print("feature_shape:", tuple(features.shape))

出力：

input_shape: (1, 3, 32, 32)
feature_shape: (1, 8, 32, 32)

形は [batch, channels, height, width] と読みます。畳み込みは 3 入力チャネルを 8 個の学習特徴チャネルに変えました。

この順番で学ぶ

順番	読む	練習すること
1	6.3.2 畳み込み基礎	kernel、stride、padding、channel
2	6.3.3 CNN 構造	畳み込みブロック、pooling、分類ヘッド
3	6.3.4 古典的アーキテクチャ	LeNet、AlexNet、VGG、ResNet の直感
4	6.3.5 転移学習	backbone 凍結、fine-tuning
5	6.3.6 画像分類実践	データセット、学習、予測例

残す証拠

CNN shape メモを 1 つ残します。

入力形状

[batch, channels, height, width]

畳み込み出力

out_channels が新しい特徴マップになる

空間変化

stride/padding/pooling により高さと幅が変わる

分類器の橋渡し

conv の特徴は最終的に class logits になる

転移学習の選択

まず freeze し、validation が改善する場合のみ微調整 する

合格ライン

入力画像形状と特徴マップ形状の間で何が変わったか、そして小規模データセットで学習済み CNN backbone が役立つ理由を説明できれば合格です。

確認の考え方と解説

1. 合格レベルの答えでは、tensor、model layer、loss、backward()、optimizer update を1つの学習ループとしてつなげます。
2. 証拠には、動く小さな実験、tensor shape の確認、説明できる loss または validation curve を含めます。
3. shape mismatch、loss が下がらない、過学習、data leakage、Attention/Transformer の data flow を説明できない、といった失敗例を1つ言えればよいです。