
エラーを乗り越えて進化!CNNスター誕生の歴史
第7回(通算第27回)(学ぶキーワード:AlexNet、VGG、ResNetなどのCNNアーキテクチャ)
スマホの顔認証が一瞬で決まるのも、自動運転が歩行者を見分けられるのも、すべて進化してきたCNNのおかげです 🚗 📱
でも「CNNって層を重ねるだけで勝手に賢くなったの?」というと、実はそんな甘い話ではありませんでした 😅
今回は、画像認識AIの歴史を塗り替えた3大ヒーロー AlexNet、VGG、ResNet の物語を一気に紐解きます!
試験で問われる「登場時期」「構造の特徴」「解決した課題」をギュッと濃縮してお届けします 💡
1. 読み方
用語解説 📖
AlexNet
読み方:あれっくすねっと
VGG
読み方:ぶいじーじー
ResNet
読み方:れずねっと
CNNアーキテクチャ
読み方:しーえぬえぬ あーきてくちゃ(意味:CNNの設計図・層の構造)
G検定では「どのモデルがどんな工夫で精度を上げたか」という順番と特徴がセットで出題されます 🎯
2. 意味(定義)
アーキテクチャって何? 🏛️
同じサッカー選手を集めても、監督の作戦(フォーメーション)次第でチームの強さはガラリと変わりますよね ⚽
CNNも全く同じ! 畳み込み層やプーリング層というパーツを「どう並べるか」「何層重ねるか」「どんな抜け道を作るか」という設計図によって、AIの性能は天と地ほど変わります 💡
この設計図こそが CNNアーキテクチャ です!
3大スターモデルの決定的な違い
G検定の超・頻出ポイントを整理しましょう
AlexNet(2012年) 🔥
役割:ディープラーニングブームの火付け役
特徴:GPUの並列計算を活用、ReLU関数やドロップアウトを採用した8層のモデル
VGG(2014年) 規則
役割:層を深くする基本型を確立
特徴:小サイズ(3×3)の畳み込みフィルタだけをシンプルに深く(16層/19層)重ねたモデル
ResNet(2015年) ⚡
役割:100層を超える超深層化を実現
特徴:スキップ接続(残差構造)を導入し、層を深くした際に起きる「勾配消失問題」を劇的に解決
3. 歴史・背景
2012年、世界に激震が走った AlexNet 💥
「画像認識なんて、どうせ従来の機械学習(SVM等)には勝てないでしょ?」
そんな研究者たちの固定観念を根底から覆したのが、2012年の画像認識コンペ(ILSVRC)でした 🏆 登場した AlexNet は、2位以下にエラー率で10%以上の差をつける圧勝!
「ディープラーニングって本物だ…!」と世界中が目を覚ました、まさに第3次AIブームの開幕ベルです 🔔
「深くすれば賢くなる」の罠と VGG 🧱
AlexNetの成功を受け、研究者たちは「畳み込み層をもっと重ねれば精度が上がるはず!」と考えました 💡
そこで登場したのが VGG です。 大きなフィルタを使うのではなく、小さな3×3フィルタを愚直に何重にも重ねることで、パラメータ数を抑えつつ表現力を跳ね上げました ✨
しかし、ここで巨大な壁が立ちはだかります 😱
100層の壁と ResNet の残差構造 🚀
層を30層、50層と深くしていくと、学習時の信号が途中で消えてしまう 勾配消失問題 が発生し、逆に精度が悪化してしまったのです 💦
伝言ゲームも人数が多すぎると途中で意味が分からなくなりますよね?
この絶望的な壁を破ったのが ResNet(2015年) です!
ResNetは、入力データを数層先へそのまま跳び越えさせる スキップ接続(ショートカット構造 / 残差学習) を発明 💡 「近道」を作ったことで、勾配が消えずに奥まで届くようになり、152層という前代未聞の超深層化と人間超えの精度を達成しました 👑
4. 比較・対比(3大モデルの進化)
歴史のバトンタッチを頭に叩き込みましょう 🏃♂️
AlexNet(2012年)
キーワード:ImageNet優勝、GPU活用、ReLU、ドロップアウト
ひとこと:AIブームを起こした伝説の先入者 🌟
VGG(2014年)
キーワード:3×3の小型フィルタ、16/19層、シンプルな深層化
ひとこと:層を深くする基本スタイルを確立 🧱
ResNet(2015年)
キーワード:スキップ接続(残差構造)、152層、勾配消失の克服
ひとこと:超深層化で人間を超えたスター選手 👑
5. G検定での出題傾向と試験対策
直前対策として丸暗記すべきポイントです 📝
よく出るポイント 🎯
AlexNet:2012年ILSVRC優勝、ReLU関数の採用、GPUの活用、ドロップアウトの利用
VGG:3×3の小さな畳み込みフィルタのみを連続して使用、層の深さ(VGG16など)
ResNet:スキップ接続(Skip Connection / Residual Learning)、100層以上の超深層化、勾配消失(劣化問題)の緩和
頻出のひっかけパターン ⚠️
「ResNetは層を深くすると勾配消失が起きやすくなるため、層の数を8層程度に抑えている」(誤り ➡️ スキップ接続により100層以上に深層化できた)
「VGGは大きな7×7フィルタを多用することで特徴を大まかに捉える」(誤り ➡️ 使ったのは小さな『3×3フィルタ』の多層化)
「ImageNet 2012で優勝しブームを作ったのはResNetである」(誤り ➡️ 2012年の覇者は『AlexNet』)
6. G検定の例題
問題1(最頻出:歴史と定義)
2012年の画像認識コンペティション(ILSVRC)で圧倒的な精度で優勝し、ディープラーニングブームの火付け役となったCNNモデルはどれか。
① AlexNet
② VGG16
③ ResNet
④ LeNet
問題2(構造と工夫)
ResNet(Residual Network)に関する記述として、最も適切なものはどれか。
① 入力信号をいくつかの層を飛び越えて後方に直接伝達するスキップ接続を導入し、超深層化を実現した
② 7×7の大型フィルタを多数配置することで、画像の広範な情報を効率よく抽出した
③ 全結合層を完全に排除し、畳み込み層のみで構成することでパラメータ数を0にした
④ 勾配消失問題を回避するために、層の数を最大10層までに制限した
問題3(ひっかけ・特徴)
VGGアーキテクチャの主な特徴に関する記述として、正しいものはどれか。
① 3×3の小さな畳み込みフィルタを連続して配置する単純かつ深い構造を持つ
② 勾配消失問題を解決するために初めて「残差学習」を取り入れた
③ 2012年のILSVRCで初めてCNNとして優勝を果たした
④ 全結合層の直前にのみプーリング層を配置する特殊な構造を持つ
7. 例題の回答と解説
【問題1:回答】①
解説:①が正解です!2012年ILSVRCで衝撃的な優勝を果たし、第3次AIブームの幕を開けたのは AlexNet です 💡
【問題2:回答】①
解説:①が正解です!ResNet最大の革新は「スキップ接続」により信号の近道を作り、100層を超える深層化でも勾配消失を起こさず学習できるようにした点です 🔍
【問題3:回答】①
解説:①が正解です!VGGは3×3の小さなフィルタを積み重ねるシンプルな構造が特徴です。②はResNet、③はAlexNetの説明なので混同注意です 🧮
8. Anki用 一問一答データ
2012年にImageNetコンペで優勝しAIブームを起こしたCNNは?:AlexNet AlexNetで採用された活性化関数や過学習抑制手法は?:ReLU関数、ドロップアウト
3×3の小型フィルタを重ねて深い層を構成した2014年のモデルは?:VGG(VGG16など)
ResNetが100層以上の超深層化を実現するために導入した技術は?:スキップ接続(ショートカット接続 / 残差学習)
ResNetがスキップ接続によって解決した主な問題は?:勾配消失問題(層が深くなると学習が進まなくなる現象)
CNNアーキテクチャの登場順(歴史的順序)は?:AlexNet (2012) ➡️ VGG (2014) ➡️ ResNet (2015)
まとめ
★絶対に覚えておくべき3点 📌
AlexNet(2012年)はAIブームの火付け役!ReLUとGPU活用で圧勝 🔥
VGGは「3×3小フィルタ」を重ねて層を深くした基本モデル 🧱
ResNetは「スキップ接続」で勾配消失を破り、100層超の超深層化を達成 👑
次回予告 📣
これで、画像全体を識別するCNNモデルの進化がわかりました 👏
でも、実際の自動運転や防犯カメラでは「画像全体が何か」だけでなく、 「画像の どこに 車があって、どこに 人がいるか」まで特定する必要がありますよね? 🤔
次回は、画像内の物体と位置を瞬時に見つけ出す 物体検出(YOLO、SSDなど) の世界へ飛び込みます!