レセプティブ・フィールド

畳み込みニューラルネットワーク（CNN）において、受容野とは、与えられた層の特定の特徴が「見る」ことができる、あるいは影響を受けることができる、入力画像の特定の領域のことである。データがネットワークの各層を通過するにつれて、各ニューロンの受容野が拡大し、ネットワークが階層的な特徴を学習できるようになる。初期の層では、ニューロンの受容野は小さく、エッジや色のような単純なパターンを検出する。より深い層では、受容野はより大きくなり、ネットワークは先に検出されたより単純なパターンを組み合わせることで、複雑な物体やシーン全体を認識できるようになる。この概念は、CNNがどのように空間情報を処理するかを理解する上で基本的なものである。

コンピュータビジョンにおける重要性

コンピュータビジョン（CV）モデルの性能にとって、受容野の大きさと質は非常に重要である。適切な大きさの受容野があれば、モデルは物体の文脈全体を捉えることができる。もし受容野が物体検出タスクに対して小さすぎると、モデルは物体の一部しか識別できないかもしれない（車ではなくタイヤのように）。逆に、受容野が大きすぎると、気が散るような背景雑音が取り込まれ、モデルを混乱させる可能性がある。

効果的なネットワークアーキテクチャーを設計するには、データセットのオブジェクトのスケールに合わせて、受容野のサイズのバランスを注意深くとる必要がある。アトラス畳み込みとしても知られる拡張畳み込みを使うようなテクニックは、計算コストを増やすことなく受容野を大きくすることを可能にし、これは特にセマンティックセグメンテーションのようなタスクで有用である。また、モデル設計やデバッグに役立つ、受容野を視覚化するためのツールもある。

実世界での応用

• 自律走行車：自動運転車では、物体検出モデルは様々な大きさの歩行者、車両、交通標識を識別しなければならない。Ultralytics YOLO11のようなモデルは、大きなトラックやバスを遠くから検出できるように、深いレイヤーの受容野を十分に大きく設計されています。

• 医療画像解析：腫瘍検出のために医療スキャンを解析する場合、受容野のサイズをタスクに合わせて調整する必要がある。マンモグラムの微小石灰化のような小さくて微妙な異常を検出するには、きめ細かい特徴抽出と小さな受容野を持つモデルが必要である。MRIでより大きな腫瘍を識別するためには、病変と周辺組織の完全な状況を捉えるために、より大きな受容野が必要である。

受容野と関連概念

受容野を理解するには、関連する用語と区別する必要がある：

• カーネルのサイズ：カーネル（またはフィルタ）は、コンボリューションを実行するために画像上をスライドする重みの小さな行列です。カーネルサイズは、ユーザーが直接定義できるハイパーパラメータである（例：3x3や5x5）。これとは対照的に、受容野は、複数の畳み込み層とプーリング層の後に、1つのニューロンの出力に影響を与える、元の入力の累積領域を記述する創発的な特性である。ある層のカーネル・サイズが大きいほど、受容野は大きくなる。

• ストライド：ストライドは畳み込みカーネルが各ステップで移動するピクセル数である。ストライドを大きくすると、出力される特徴マップが小さくなり、入力のより広い範囲を効果的に要約することになるため、ネットワークが深くなるにつれて、受容野のサイズがより急速に大きくなる。

• パディング：パディングは、畳み込みの前に入力画像の境界の周りにピクセルを追加する。パディングの主な目的は、出力特徴マップの空間的な大きさを制御することですが、特に画像のエッジにおいて、受容野にも影響を与えます。

PyTorchや TensorFlowのようなディープラーニングフレームワークで カスタムモデルをトレーニングする場合、開発者は、インスタンスのセグメンテーションや ポーズ推定のようなタスクのパフォーマンスを最適化するために、これらの要素が集合的に受容野にどのような影響を与えるかを考慮する必要があります。Ultralytics HUBのようなプラットフォームは、幅広いビジョンタスクに最適化された設定済みのモデルと環境を提供することで、このプロセスを合理化します。より深い技術的洞察については、IEEE Computational Intelligence Societyのような組織のリソースが役立ちます。