LeNetとは？CNNの仕組み・構造・現代モデルとの違いを解説

LeNetとは？CNNの仕組み・構造・現代モデルとの違いを解説

LeNet（ルネット）は、画像から特徴を自動で学び、種類を判定する畳み込みニューラルネットワーク（CNN）の先駆的なモデルです。特に広く知られるLeNet-5は、ヤン・ルカン氏らが1998年に発表した研究で、手書き数字の認識を実用へ近づけました。

この記事では、LeNetの意味、LeNet-5の層構造、画像を分類する仕組み、現代CNNとの違いを初学者向けに順番に解説します。

LeNetとは

LeNetは「LeCun Network」に由来する名称で、画像認識向けCNNの系列を指します。会話や教材で単に「LeNet」と呼ぶ場合は、代表的なLeNet-5を意味することが一般的です。

LeNet-5は、画像をそのまま丸暗記するのではありません。畳み込み層で線や角などの局所的な特徴を見つけ、縮小層で情報をまとめ、最後に全結合層で0〜9などのクラスへ分類します。この「特徴抽出と分類を一つのネットワークとして学習する」という発想が、現在の画像認識にも受け継がれています。

LeNet誕生の背景

1990年代の画像認識では、人間が輪郭や形といった特徴の取り出し方を設計し、その結果を分類器へ渡す手法が中心でした。しかし、どの特徴が役立つかは対象ごとに異なり、設計には専門知識と試行錯誤が必要です。

LeNetは、誤差逆伝播法を使ってフィルターの値まで学習し、画像から必要な特徴を自動で獲得できることを示しました。小切手に書かれた数字の読み取りなど、現実の課題を強く意識して開発された点も重要です。当時の計算資源で扱える比較的小さな構成だったことが、研究だけでなく実用化への道を開きました。

LeNet-5の構造

代表的なLeNet-5では、32×32ピクセルのグレースケール画像を入力し、処理を進めながら空間サイズを小さくし、特徴の種類を増やしていきます。大まかな流れは次のとおりです。

「5」という名前は、学習可能な重みを持つ主要層を数えた構成に由来します。文献や実装によって層の数え方が違うことがあるため、数字だけでなく各層の役割を見ることが大切です。

畳み込みで画像の特徴を学ぶ仕組み

畳み込み層では、小さなフィルターを画像の左上から順に移動させ、各位置で画素との積和を計算します。その結果として作られるのが特徴マップです。学習の初期にはフィルターは有用な形を捉えませんが、正解との誤差を繰り返し戻すことで、縦線や斜線などへ反応する値に調整されます。

後段では、前段が見つけた線を組み合わせて曲線や交差を捉えます。例えば「8」なら、単一の画素ではなく、上下に輪がある形の組み合わせが分類の手掛かりになります。局所的な同じフィルターを画像全体で共有するため、全画素を個別に結ぶ方法よりパラメータを減らせる点も利点です。

活性化関数とサブサンプリング

元記事ではLeNetの活性化関数をシグモイド関数と説明しています。広い意味ではS字型に飽和するシグモイド系ですが、LeNet-5の代表的な記述では、出力が負から正まで変化する双曲線正接（tanh）系の関数が主に使われました。現代CNNでは、正の入力をそのまま通すReLUが一般的です。

シグモイド系やtanhは入力の絶対値が大きい領域で勾配が小さくなり、深いネットワークでは学習が進みにくくなることがあります。ReLUは計算が単純で、この勾配消失を緩和しやすいため、より深いCNNの学習を支えました。

また、LeNet-5の縮小層は、領域内の値を平均的にまとめて学習可能な係数をかけるサブサンプリングです。現代CNNでよく見られるMaxプーリングは、領域内の最大値を選び、強く反応した特徴を残します。どちらも特徴マップを小さくして計算量を抑え、小さな位置ずれの影響を和らげる役割があります。

LeNetが残した成果と活用例

LeNet系列は、手書き数字を高い精度で認識できることを示し、小切手の金額欄や郵便番号などの自動読み取りを前進させました。元記事で挙げられている99.3%という精度は、その有効性を表す代表的な数値ですが、精度は使用データ、前処理、評価方法で変わります。異なるモデルを比べるときは、同じ条件で測定された値かを確認しましょう。

LeNetは顔認識や一般物体認識の完成形ではありません。しかし、画像の特徴を人がすべて設計するのではなく、データから学ばせる考え方の有効性を示したことで、後のAlexNet、VGG、ResNetなどにつながる研究の土台を作りました。

LeNetと現代CNNの違い

現代CNNは、計算機性能、大規模データセット、学習手法の進歩を利用して、LeNetより複雑な特徴を扱えます。一方で、局所受容野と重み共有によって特徴を階層的に学ぶという中心思想は共通しています。

LeNetを学ぶ意義と注意点

LeNetは構造が小さく、各層の入出力を追いやすいため、CNNの教材や実装練習に適しています。MNISTなどの小さな画像データを使えば、畳み込み、プーリング、全結合、誤差逆伝播の関係を確認できます。

ただし、現代の実装例はReLUやMaxプーリングへ置き換えられていることがあり、原典のLeNet-5と完全には同じでない場合があります。「LeNet風のモデル」なのか「原典に近い再現」なのかを区別してください。また、高解像度の自然画像や厳しい実運用要件では、LeNetをそのまま採用するより、目的に合う現代モデルや転移学習を検討するのが現実的です。

まとめ

LeNetは、畳み込み層と縮小層で画像の特徴を段階的に学び、全結合層で分類する初期CNNです。手書き数字認識で成果を示し、特徴をデータから自動学習する画像認識の方向性を確立しました。

活性化関数、縮小処理、ネットワークの深さは現代CNNと異なりますが、基本の流れは現在も生きています。LeNet-5を入口に各層の役割を理解すると、より新しいCNNの設計も読み解きやすくなります。

更新履歴