【G検定過去問風テスト】グループ正規化とインスタンス正規化の違いとは？応用問題で完全攻略！
※本記事では、アフィリエイトプログラムより教材を紹介しています。
📝 問題
ディープラーニングにおける「インスタンス正規化（Instance Normalization）」および「グループ正規化（Group Normalization）」に関する記述として、最も適切な選択肢を1つ選べ。
- A）インスタンス正規化は、画像の画風変換（スタイル変換）タスクなどで用いられ、画像1枚かつ特定の1チャンネル単位で正規化を行う手法である。
- B）グループ正規化は、特徴（チャンネル）をグループ化して正規化を行う手法であり、巨大なバッチサイズを設定した際に最も高い学習効率を発揮する。
- C）インスタンス正規化は、ミニバッチに含まれるすべてのデータの全チャンネルをまとめて正規化するため、バッチサイズの大きさに強く依存する。
- D）グループ正規化は、文章データのように長さが可変となるテキスト処理に特化して開発されたため、画像処理モデル（CNN）には適用できない。
🔍 ここをクリックして正解を見る
- 正解: A）インスタンス正規化は、画像の画風変換（スタイル変換）タスクなどで用いられ、画像1枚かつ特定の1チャンネル単位で正規化を行う手法である。
💡 合格に近づく！徹底解説
- 重要度: ★★☆
■ 1分で分かる！この問題の要点
- インスタンス正規化（IN）は「画像1枚 × 1チャンネル（赤色など）」ごとに処理。コンテンツを保ちつつスタイル（画風・コントラスト）を整えるため、画風変換（スタイル変換）で使われる。
- グループ正規化（GN）は特徴をいくつかのグループに分け、データ1件内で処理。バッチサイズが1や2などの極小な環境で威力を発揮する。
- どちらもデータ1件単位（またはその中のチャンネル単位）で処理を行うため、バッチサイズに依存しない点が共通している。
■ 初学者向け解説（例え話や背景）
王道の「バッチ正規化」「レイヤー正規化」に加えて、G検定で差がつく応用キーワードが「インスタンス正規化」と「グループ正規化」です。
テストの例え話でイメージを定着させましょう！
- インスタンス正規化：A君の「国語の点数の波」だけをピンポイントで調整するイメージです。画像全体の中身（形など）はキープしたまま、特定の要素（色調や明るさなどの画風）だけをサクッと整えるのに向いており、「写真ゴッホ風に変換する」といったスタイル変換AIの影の立役者となっています。
- グループ正規化：A君の全科目を「文系（国・英・社）」「理系（数・理）」などのチーム（グループ）に分け、それぞれのチーム内で偏差値を出すイメージです。「バッチ正規化を使いたいけれど、自動運転や高解像度画像のようにデータが大きすぎて、パソコンのメモリ上限の都合で一度に1〜2枚しかデータを処理できない…」という土壇場のレスキュー隊として活躍します。
「何のために生まれた手法か（用途）」と「どんな切り取り方をしているか」をペアで覚えておけば、本番のひっかけ問題も一発で撃破できます！
■ 選択肢の解説
- A) インスタンス正規化（Instance Normalization）（○）: 正しい記述です。データ1件（画像1枚）の各チャンネルごとに独立して正規化を行うため、画像スタイル変換（画風変換）などのタスクで広く活用されています。
- B) グループ正規化（Group Normalization）（×）: グループ正規化は「バッチサイズを大きくできない（極小な）環境」でもバッチ正規化のように安定した精度を出すために作られた手法です。巨大なバッチサイズを前提としたものではありません。
- C) インスタンス正規化（Instance Normalization）（×）: インスタンス正規化は「データ1件（画像1枚）× 各チャンネル」で個別に計算するため、他人のデータ（ミニバッチ全体）には依存しません。
- D) グループ正規化（Group Normalization）（×）: グループ正規化は主に画像処理（CNNなど）において、バッチサイズを大きく取れない状況（医療用画像の解析や自動運転のカメラ認識など）で使われます。テキスト処理に限定されたものではありません。
👉 次の問題＆解説テキスト
お疲れ様です！
この調子で次の問題に挑戦しますか？
それとも、立ち止まって詳しい解説を確認しますか？
