【G検定過去問風テスト】特徴マップの重要度を自動調整！SENet（Squeeze-and-Excitation Networks）とは？

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

2017年の国際コンテスト ILSVRC にて優勝を果たし、畳み込みニューラルネットワークにおいて「どの特徴（チャネル）に注目すべきか」という重要度（重み）を自動的に学習する「SEブロック」を導入したモデルとして、最も適切な選択肢を1つ選べ。

A）SENet
B）AlexNet
C）GoogLeNet
D）DenseNet

🔍 ここをクリックして正解を見る

正解: A）SENet

💡 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

SENet（Squeeze-and-Excitation Networks）は、2017年のILSVRCで優勝した画像認識モデル。
特徴マップの「チャネル（色や模様などの種類）ごとの重要度」を自動で計算し、大切な情報に大きな重み（注意）を向ける「SEブロック」を導入したのが最大の特徴。

■ 初学者向け解説（例え話や背景）

通常のCNNは、画像から「色」「輪郭」「パーツ」など様々な特徴をたくさんのチャネルに分けて抽出します。しかし、すべての特徴が同じように重要とは限りません。例えば、犬の写真を見分けるときに「背景の草むらの情報」よりも「犬の顔の輪郭の情報」のほうが圧倒的に重要です。

これをAIに自動で判断させるために登場したのがSENetの「SEブロック」です。

イメージとしては、「人間が雑誌を読むときに、重要なキーワードだけに蛍光ペンでマーカーを引いて、残りの薄い情報は聞き流すように、AI自身に『どの特徴マップを一番重視すべきか』の重み付けを自動で調整させる仕組み」です。この賢いチューニングによって、従来のネットワークに後付けするだけで精度をぐっと向上させることができるため、G検定でも重要なキーワードとして頻出します！