【G検定過去問風テスト】EfficientNetとは？3つの要素を同時にスケールアップする複合スケーリング

2026年7月29日 2026年7月29日 atsushi_kitazawa

※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

2019年に提案され、「モデルの深さ（Depth）」「幅（Width）」「画像解像度（Resolution）」の3つの要素をバランスよく同時にスケールアップする手法（複合スケーリング）を用いることで、少ないパラメータ数で最高レベルの精度を実現したモデルとして、最も適切な選択肢を1つ選べ。

A）EfficientNet
B）VGGNet
C）AlexNet
D）ResNet

🔍 ここをクリックして正解を見る

正解: A）EfficientNet

💡 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

EfficientNetは、2019年に登場した非常に効率的で高精度な画像認識モデル。
「ネットワークの深さ（Depth）」「幅（Width）」「画像の解像度（Resolution）」の3つを、独自の比率で同時にバランスよく大きくする（複合スケーリング）のが最大の特徴。

■ 初学者向け解説（例え話や背景）

これまでAIの性能を上げようとするとき、研究者たちは「とにかく層を深くする（Deep）」「チャネルの幅を広げる（Wide）」「入力する画像の解像度を上げる（Resolution）」のどれか一つを大きくすることで対応していました。しかし、これでは効率が悪く、バランスが崩れてすぐ限界が来てしまいます。

そこで登場したのがEfficientNetです。

イメージとしては、「美味しい料理を作るために、『調味料の量（深さ）』『お鍋の大きさ（幅）』『食材の細かさ（解像度）』のどれか一つだけを極端に改良するのではなく、全体のバランスを黄金比率で同時にレベルアップさせる方法」です。この「複合スケーリング」という賢いアプローチにより、パラメータの数を驚くほど少なく抑えながら、当時の既存モデルを超える圧倒的な精度と効率性をたたき出しました！

■ 選択肢の解説

A) EfficientNet（○）: 深さ・幅・解像度をバランスよく同時にスケールアップする複合スケーリングを採用したモデルであるためこれが正解です。
B) VGGNet（×）: 3×3の小さなフィルタを重ねて層を深くした、シンプルで美しい構造を持つ2014年のモデルです。
C) AlexNet（×）: 2012年のILSVRCで優勝し、ディープラーニングブームの火付け役となった歴史的なCNNモデルです。
D) ResNet（×）: スキップ結合（残差結合）を導入して勾配消失問題を克服し、152層の超深層化を実現したモデルです。

リンク