1. はじめに

用語Wiki📚カテゴリの記事では，教科書のような詳しいめの解説ページを構成しながら，全体としてWiki型の用語集も構成しています．

つまり，用語Wikiは，[教科書記事 × DL用語Wiki]であり各記事内部も構造的で，なおかつWikiの全体も用語記事間が構造的です(3節で詳しく)．

コンピュータビジョンとディープラーニングの用語を主たるフォーカスとしています．また，深く関連してくる「NLPの記事」も少し多めです (Transformerなど)．

サブカテゴリごとの「用語一覧ページ」へのリンクを，以下の表に列挙します：

✳️ディープラーニングの用語記事	🏞️データセットの記事
📷コンピュータビジョンの用語記事	自然言語処理の用語記事
機械学習の用語記事	研究用語の記事

各記事では，コンピュータビジョン界隈の標準的技術について「図つきでわかりやすい，教科書のような解説記事」を各「用語記事」として提供します．また，用語記事同士の関係(ハイパーリンク)・全体の階層構造 (URL)を，Wiki型の用語集として提供します．

親記事：ホーム | 「探求力の向上」を支援する拠点サイト

2. 用語Wikiの執筆で意識していること

用語Wikiでは，以下のような点を意識して，各記事を書いています：

2.1 大事な標準的技術のみを厳選

特に，実践で大事な標準的技術のみを厳選して書きます．応用や実用する際に要らないものは，理論よりでも，重要度が高くないもの(派生系や，論文は良くても実際には使われていないもの)の記事は抑えめにしています．

2.2 詳しい内容まで書くが，説明は簡潔に図つきでわかりやすく

各記事では，教科書よりも少し詳しい内容まで説明し，基礎の理解をハイレベルなものへ更新するための支援をします．1.1.1 で述べた「厳選した標準的技術」に徹底的に得意になっておくことが，トッププロになってから重要となるからです．例えばサッカーでも，プロリーグで活躍するのに大事になるのは，「シュート」「パス」「ドリブル」などの，基礎能力の高さです．

きれいなデザインで簡潔に把握できる図も提供するように視覚的・構造的理解の向上も支援します．繰り返しこのサイトを使うことで，図にも助けられて，理解度に差がつくはずです．また，用語Wikiの記事を用いた，グループ内での議論もはずむと思います．

関連：説明書🔰と活用法💪：3節 サイトの活用法の案

図つきの詳しい記事により，既習済みと思っていた知識も，更に洗練されたものにアップデートすることを支援します(1.1.3も同様の目的)．

2.3 Webポータル機能：探究行動の便利さ向上．

用語集の，「Webポータル(拠点)としての良さ」を洗練させることで，皆様への検索・探究行動がより便利に深くなるよう意識しています．それぞれの記事において，外の関連情報(論文，Web記事，paper with codeなど)にもすぐアクセスできるように，記事最下部のReference・リンクのリストも充実させるようにしています．

外の記事や書籍やチュートリアル・サーベイも一緒に読んでいただくと，知っていたつもりの内容の理解・実践方法についても実力を向上させやすいはずです．

🔗関連記事：情報は「知っている内容でも検索する」

一方，内部記事間でのリンクも充実しているので，用語(記事)同士を遷移したり，リンクを辿ることで，これまで把握していなかった繋がりや関連をサイト内の情報でもたどることが可能です

※ Wiki化されいるようなサイトでないと，普通は脳内や自分のノート，ナレッジベースアプリ等でしか構築できないことです．

2.4「モデル」と「タスク」に記事を分類

ディープラーニングの用語記事は，1.モデルと2. タスクに分けて，両方とも書くようにしています

各モデル技術の羅列・紹介だけでは，抽象的な理解だけで応用できないません！よって，各タスクの話や，実用で必要なTipsや，具体例も(教科書よりも)ある程度まで書いています．

ただし，各ビジネス領域のアプリの話までは突っ込みません ．これは，有料相談と同等の「アプリの完成形」のアドバイスレベルの価値まで出してしまうことになるのが理由です(→仕事で困っている方は，相談ご依頼ください)．

2.5 未テキスト化の標準技術も盛り込む

当サイトでは，以下のような「まだ教科書化されていない技術」も，先行的に取り上げる事を意識しています：

• 例1：実例分割，FPN，人物姿勢推定，画像キャプション生成 など．
• 例2: Transformerや系列変換モデルとアテンション など (※ 深層学習 [2版]で教科書化されるまで)

「日本語圏のテキスト・講義ではまだあまり解説されていない技術」でも，海外では既に標準的技術として定着済みとなっており，日本においても現場では，盛んに研究開発やビジネス応用されている技術も多いです．私単独では，最先端の話まで全て調べたり，記事を書くのは無理ですし，それを行ったとしても(非探索的なので)効率的・ゴール志向ではありません．

そこで大学の授業よりちょっと先の内容さえ，まずはこのサイトでカバーしていければ，標準的技術の定着と実践力向上に繋がると思うので，当サイトでは「日本語の教科書・書籍より少し先取り」くらいの(技術的)内容のスピード感を狙っています．

3. 用語Wikiの方針 : 「Wikiポータル 兼 教科書」

用語Wikiの設計思想として「サイト全体は，Wiki・ポータルサイト的に階層・カテゴリ的に記事を配置」×「個別の記事は，教科書・サーベイ的に構成」という考え方を採用しました．つまり，以下2つの両立をGlobal–Localで狙っています：

1. [全体構造] (用語集全体のページ間構造)：
   • 用語間の関係を表わすWiki [記事の階層ツリー + 記事間リンク]を構成．
2. [局所構造] (各用語記事内の構造) ：
   • 構造文書化されたテキスト解説として各記事を提供．

各用語記事はWikipediaほどは詳しく網羅的にはせず，詳しいながらも簡潔で，プロとして質の高い出力を行うのに必要な標準的技術の習熟・鍛練にのみフォーカスしています．

教科書や書籍と異なりWebで閲覧できるのもポイントです．これが，利用者の皆様に閲覧・検索効率の高さと，繰り返し閲覧による理解度向上も助けるはずです．さらには，(中〜上級の)ポスドク以上のレベルの研究者の方や，教員や企業研究開発リーダーレベルの方でも，アイデア出しへの貢献をもたらすと考えています．

この設計思想を知らない場合，当サイトは「単なるWikipediaスタイルの用語集」のように見えてしまう点に注意です．各用語記事は，教科書・テキストと同様の，わかりやすく簡潔な記事であり，なおかつ市販の教科書やテキスト本よりも，個別の用語に対して読みごたえ・実用性の解説度も高い記事を目指しています(よって，Wikipediaなどの百科事典サイトとは，執筆方針が異なります)．

※ サイト内では，何度も強調していますが，最先端をむやみに追う以前に，プロとして研ぎ澄ませるべき標準的技術を，ハイレベルに使いこなせることが重要です．よって，このサイトは，中級者のみならず上級者にも，トッププロとしての基礎(標準)力固めに非常に役立ち，長期的な利益をもらたらす設計だと思います．

皆さまには，専門性を高めて，博士(＝マニア)になっていただきたいです．よって，市販の教科書やテキスト類よりも，少し詳しく深い話を展開します(1.1.5節の話し)．ただし，内容自体はマニアックでも，説明や図は，あくまでわかりやすさ・簡潔さを重視しています．

まとめると，「(1) 初〜中級者向けの導入・チュートリアルで使用できる用語集」でありながら，同時に「(2)中級~上級の皆様むけにもマニアが楽しむガイドブックとしての役割」も保てるような「記事内容および記事全体での階層的探索性」の構築を狙っています．旅行ガイドや・ゲーム攻略本のように，このサイトを探求的に楽しく活用して欲しいので，このような設計を考えついた理由です．皆様の知識構築による「学び」と，その学びから拡がる探究・思索を下支えする地域探法ガイドブック的な役割も担えると，管理人としてはうれしいです．

逆に言うと，このサイトは，初心者は対象外です．AIエンジニアとして製品実用の経験がある程度あったり，論文がある程度書ける研究者見習いレベルの中級者になってから以降，あらためて「総合ガイドブック的な価値の高さ」としての，「本サイトの良さ」が分かるようになり，皆様に更なる効果が出るサイトだとわかると思います．まずは中級者層の入口である，脱初心者をめざしてください．

3.1 Wiki構造化 かつ 教科書化

教科書という形式は，スペースの制限で，各内容を短く列挙するだけに終わりがちです．内容が多くなりがちなCV・DL分野ですと，その傾向は顕著です．教科書ならさておき，昨今のディープラーニングテキストは，前後のつながりや歴史の言及がない，各章も独立した「断片的な技術紹介」の羅列に終わってしまい，お互いの関係性や，歴史的発展が見えないものが多いです．

※ ただし，DL・パターン認識界隈の業界では，新規技術の量が相当多くなっており，急いでテキスト化すると，関係性の整理までは間に合わないのも理解しています．

そこで，書籍・テキストという制限を打破し，体系的に把握しやすく，効率良くページ間を遷移しやすいWiki型テキストを構築することが，このサイトの用語Wikiの目標です．

「体系的に学びやすい」が狙いであるため，【記事間(global)・記事間(local)の双方での構造化】をこころがけています：

[1] 記事間(global)の構造化: 階層的カテゴリ分類 + 記事間の用語リンク．

Wiki用語集化を通して，用語間の関係の(WordNet的な)階層的ツリー構造化を狙っています．要は「Wikipediaのコンピュータビジョン版」を狙っています．Wikiにしておくと，関係性もリンクやURL構造で示せて，長文で細かな話も展開しやすいです．

各記事のURLに出ている階層構造は，よく意識しながら使用してほしいです(特にディープラーニングの用語記事のツリー関係)．俯瞰思考は大事です (私自身も，各サーベイ論文の樹型図やテーブルによるまとめに，非常にお世話になっております)．また，書籍では不可能な用語記事間のハイパーリンクが，理解向上や，研究時のアイデア出し・思索を，更に助けてくれるはずです．

以上のように，用語記事間の全体的な関係性は勝手に埋込まれています(裏にツリーとグラフ構造があるので) ．したがって，用語集を日常的に使うだけで，自然とその構造が身に付く(頭に入る)はずです．教科書や書籍だと，全体構造を意識できていない人も多いはずです．

[2] 記事内(local)の構造化：歴史順の説明や，関連技術のグループ分類．

それぞれの記事内(local)の構造化にも，力を入れています．CV・DL分野のテキストは，内容過多になりがちなせいもあって，各用語の説明は短く要点だけ終わってしまうことも多々あります(ひどい場合は，言葉の列挙だけでおわる)．各層やアルゴリズムに，タスクの詳細もわからないままです．

そういった事態を避けるために，百科事典(Wiki)とテキストとガイドブックのいいところどり(2者間の良いバランス)を狙っています．

また，章立てして，節番号と見出しから内容がわかりよい(論文の構成のような)記事にしています．「1節が導入，最後の章で結論とまとめ(や追加の議論)」という構成に，各記事のフォーマットも統一し，読みやすいようにしています．

短時間の理解を助けたり，構造や処理の把握をよくするため，わかりやすい図(特に図1)の作成にも力を入れています．各記事の内容が，(用語のサマリーでもある) 図1を通して，記憶に定着しやすいようにも意識しています．各節も，簡単な説明に終わらず，それでいて簡潔に，無駄な点は省いて重要点だけを取り上げるようにしています．

また，各用語記事では，歴史的な経緯の説明にも力を入れています(例：人物姿勢推定やインスタンスセグメンテーションなど)．管理人としては，その問題設定が初めて提案されたころの，初期の手法(=解き方)が，特に(本質的)大事だと考えています．後続研究は，手法の改善を続けているだけの場合が多いためです．物体検出などの「問題(タスク)」の記事では，少なくとも，ディープラーニング初期の解き方は，必ず触れるようにしています．

※ 記事数が溜まってきたら、複数の記事を時系列準でつなぐツアー的な用語記事・Q&A記事も増やしたい．

加えて，モジュール結合的であるディープラーニングでは，各層やブロックについて「なぜその問題の場合に採用するのか」を把握しているのが大事と考えます．これは，損失関数についても同じことが言えます．よって，それらの部品や学習・最適化系の記事でも，きちんとグループ分類をおこなうことで，各部品がどのように違い，どれを選べばよいかを，読者が考えられる記事の構成にしています．

3.2 おすすめ使用法：「探索的」に用語集や関連資料を読む

この用語集は，全体の規模が大きいのもあり，全部を読みつくしていく用途には向いていません．管理人も，将来的にはWebコースなども用意して，この用語集を教科書代わりとしても活用したいのですが，現時点ではそういった「半年単位の授業・コース」とは連携していないので，網羅的に用語集の内容を、このサイトで全て身につけていくのは，かなりしんどいはずです．

よって，ご自身のフォーカスに沿って，自身に現時点で必要な内容のみコツコツと探索的・検索的ににたどっていく使用法がオススメです．特に初心者に近い方ほど，このサイトの用語集は，一気読みは不可能なほどの内容の多さと深さなので，知りたいところ、読みたいところだけ読めば十分です．しいては，読みたい記事のみ繰り返し読み返すのが，現実的かつ有効な活用法です．

1.2で述べたように，記事間および記事内も構造化しているゆえ，用語記事の各カテゴリーのトップページ(2節)は重要な拠点ページです．ディープラーニングの用語記事ページが，特に全体構造を表わしているので，頻繁にアクセスすると有効にサイトを活用できるとおもいます．

ちなみに，各記事での「数式の記法」の標準的なルールは，以下のページに別途まとめています（※ まとめてあるが，著者もたまにこの記法から脱線するときはある）：

関連記事：このサイトにおける数式の記法

3.「用語集」の狙い[まとめ]

サイト構造の説明を中心に3節まで紹介してきました．最後に，この4節では，「用語集を通した(中級者向けの)狙い」を，以下の3つにまとめておきます：

• 狙い1: 重要な標準的技術のみを厳選
• 狙い2: Wiki化によるツリー構造・関係性の把握で「俯瞰力を向上」
• 狙い3:「自分の目的に沿った情報」のみへフォーカスしやすくする

３つの狙いについて，それぞれもう少し詳しく述べていきます．

3.1 狙い1：重要な標準的技術のみを厳選

代表的な，今後10年以上は役に立つ重要な標準的技術を，簡潔に解説した記事を提供します．読者の学習や復習だけでなく，今後の探求活動で役立にたつガイドマップサイトにしたいです．

読者の方々が，各用語の情報・応用方法を，「(1)このサイトから」もしくは「(2)脳から直接」必要な時に引き出しやすくすることも狙いたいです．

3.2 狙い2：Wiki化によるツリー構造・関係性の把握で「俯瞰力を向上」

Wikipediaのように各用語は詳しくは説明はしないが，用語ページ間はしっかりハイパーリンクさせることで，ツリー構造・関係性へと焦点が当たりやすくします．．

サイト全体として，各用語を体系的に構造して捉えられるようにしていきたいです．著者もこの構造のおかげで理解度が向上すると思いますが，このサイトや，私の講義の質も，年を経るごとに，同時にあがっていくはずです(サイトや活動の応援よろしくおねがいします)．

3.3 狙い3：「自分の目的に沿った情報」のみへフォーカスしやすくする

研究者の方々や，研究者を目指したり研究結果を応用する側のR&D系の方々は，論文や情報の時系列的な羅列は，それこそarxivの最新のpreprintをチェックするだけでなく，各種サイトやSNSなどでも最新の研究の解説の情報を得ていると思われます．

しかし，管理人はそれらの大量の情報の波に，ただ溺れているだけの方が多いことを，危惧しています．

目立っている有名研究や人気技術や，人気のアカウントが紹介する技術ばかり，不必要に過剰な後追い(フォロー)をしていませんか？

あなた独自の能力や，レアさを伸ばしていくために、本当にその最先端の技術や，流行りの技術をやたらめったらフォローする事が，あなたの成長につながりますか？

自分が後追いしているだけの状態だと認識したまま，「みんながやっていること」，「烏合の衆」にまぎれてしまって，隣の会社や研究室と差が出せないまま，何年も埋もれてしまっていせんか？

情報は自分なりに解釈して整理し，取捨選択することで，初めて(独自性の強い)良いアウトプットを産むことにつながると管理人は考えます．一流のプロを目指す途中段階では，多読や過剰な情報収集は悪手です．情報の厳選と，その精読が，短い時間でしっかり成長するのには重要です．他人との差異や，独自の特徴を強く出せるようになって始めて，モノマネバンドのレベルから脱し，一流プロレベルのアウトプットを出せるようになると思います．

当サイトの用語集を，情報整理と取捨選択(少数に厳選)する際に，うまく活用していただきたい限りです．

※ このサイトに頼りすぎず，ご自身でも，必要な知識や考え方・スキルなどを，独自にノート化して溜めていくことも，強く勧めておきます．

4. 用語集の各記事ページの構成

上記のような狙いを踏まえて，各用語ページは以下のような構成にしています：

• 用語の説明自体は「テキスト・教科書のような解説」
  • よくある教科書よりは，各ページの解説は，詳しく深い
  • しかし，内容は重要な内容のみを厳選．
  • より発展的な内容は用語記事の外で，「論文」や「書籍」「Webサイト」などを自分で探索してもらい，(探求的に)学んでもらう方針．

• 教科書よりは，少し実用性を重視した内容．
  • 実際のパラメータ値や，初期設定の入力サイズ・パラメータ値なども示すようにつとめている．
  • それでも，実用でひっかかるとこや，応用するときに失敗しがちな点のノウハウも少しだけ書くようにしている
    • それがないと，抽象度高すぎて実装にも落とせないと，ただの道具の羅列で使い方がわからなさすぎて教科書としての役割が小さくなってしまうのが理由
  • 実装の話までするのは執筆コスト的にきついので，書籍などに任せて最小限に抑える，
• 多くの人に通用する抽象度・汎用度の高い内容の執筆に私は集中したい．
  • また，価値が高いノウハウは，さすがに有料書籍・講義でしか出さない．
  • そうしたレベルまで手伝って欲しい方は，コンサル・コーチや顧問を依頼して頂きたい．

• 用語記事ページが，それぞれ論文のような章構成になるよう構成：
  • 1節で概要と図1を提示し，最後の節ではかならず「まとめ」を行う
  • 普段からこの形式に慣れ親しんでもらうのが一番なのも理由．
  • より詳しくは「説明書🔰と活用法💪」の2.2.節「典型的な記事構成 (本文)」を参照．
• 外部リンクの充実：
  • 関連する用語ページへは，(サイト内)ハイパーリンクを貼る．
  • Web記事や，おすすめ書籍も，記事最後の「References」の節にリストアップ．

「自作の図」と「リスト」も駆使することで，多すぎない文字量の記事にするように心がけています．基本的には「多くとも1万字以内」に各記事の字数とどめようとしており，1万字を超えると，その一部分を子記事に分割するようにしています．