GoogLeNetとは
GoogLeNetとは、Inceptionモジュールを導入し、横に広い構造で22層を実現したCNNです。パラメータを抑えつつ高い表現力を持ち、2014年のILSVRCで優勝しました。
この用語はG検定シラバスの「26. 画像認識」に含まれます。 章全体の用語は用語解説⑤（全133語）にまとまっています。
一言でいうと
複数サイズのフィルタを並列に使うInception構造で、効率よく表現力を高めたCNNです。
Inceptionモジュールとは
通常は「3×3を使うか5×5を使うか」を設計者が決めます。GoogLeNetは複数のサイズを並列に適用して結果を連結するという発想を取りました。
これにより大小さまざまなスケールの特徴を同時に捉えられます。「深く」ではなく「横に広く」という方向の工夫です。
1×1畳み込みでパラメータを削減
並列にすると計算量が増えますが、1×1の畳み込みでチャンネル数を先に減らすことでこれを抑えました。
結果としてVGGより深い22層でありながら、パラメータ数は大幅に少なくなっています。深さ・広さ・効率のバランスを追求した設計です。
1×1畳み込みの役割
1×1の畳み込みは空間方向には何もしませんが、チャンネル方向の圧縮・統合を行えます。
この「次元を減らしてから重い処理をする」という考え方は、Depthwise Separable Convolutionにも受け継がれており、軽量化の基本テクニックになっています。
🎯 G検定での押さえどころ
- Inceptionモジュールによる並列構造
- 22層・2014年のILSVRC優勝
- 1×1畳み込みでパラメータを削減
⚠️ よくある誤りの選択肢
- 「GoogLeNetは深さのみを追求したモデルである」→ 誤り。横に広い構造が特徴です
- 「GoogLeNetはVGGよりパラメータが多い」→ 誤り。少なくなっています
📘 もっと深く学ぶ
- 数式レベルまで踏み込んだ解説 → 医療AIナビ「画像認識の概要」（E資格向け）
関連する用語
ご利用にあたって 本ページの内容は、JDLAが公開しているG検定シラバス2024や公式テキストなど、一般に公開されている情報をもとに独自に整理・解説したものです。実際の試験の出題内容を示すものではなく、また合格を保証するものでもありません。制度・法令・試験要項は変更されることがあるため、最新の情報は必ずJDLA公式サイトでご確認ください。