④ ディープラーニングの要素技術 ／ 18. 畳み込み層
Depthwise Separable Convolutionとは
Depthwise Separable Convolutionとは、チャンネル方向の畳み込み（Depthwise）とチャンネル統合（Pointwise）を分離することで、計算量とパラメータ数を大幅に削減する手法です。MobileNetなど軽量モデルで使われます。
この用語はG検定シラバスの「18. 畳み込み層」に含まれます。 章全体の用語は用語解説④（全60語）にまとまっています。
一言でいうと
畳み込みを2段階に分けることで、計算量を大きく減らす手法です。
通常の畳み込みは何をしているか
通常の畳み込みは、空間方向（縦横）とチャンネル方向を同時に処理します。そのぶんフィルタが大きくなり、計算量もパラメータ数も膨らみます。
2段階に分ける
- Depthwise：各チャンネルを別々に空間方向だけ畳み込む
- Pointwise：1×1の畳み込みでチャンネル間を統合する
役割を分けることで、精度をあまり落とさずに計算量を数分の1にできます。
どこで使われるか
スマートフォンや組み込み機器で動かす軽量モデルの中核技術です。MobileNetが代表例で、端末側で推論を行うエッジAIを支えています。
どれくらい減るのか
入力チャンネル数と出力チャンネル数が大きいほど削減効果は大きくなります。実用的な設定では計算量が8〜9分の1程度まで下がることもあります。
精度は多少落ちますが、端末上で動かせるかどうかという違いを生むため、エッジAIでは十分に見合うトレードオフとされています。
🎯 G検定での押さえどころ
- Depthwise ＋ Pointwiseの2段階に分ける
- 計算量とパラメータ数を大幅に削減
- MobileNetで使われる
⚠️ よくある誤りの選択肢
- 「Depthwise Separable Convolutionは計算量を増やす代わりに精度を高める手法である」→ 誤り。計算量を削減する手法です
- 「Pointwiseは空間方向の畳み込みを行う」→ 誤り。チャンネル方向の統合を行います
📘 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「畳み込みニューラルネットワーク」（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。