問題 No.40
画像認識用のCNNにおいて、認識精度を高めるために「層をより深くする（層数を増やす）」「チャンネルをより広くする（特徴量マップを増やす）」「入力画像の解像度をより高くする」という個別の最適化が行われてきたが、どれか1つだけを突出させても計算効率が悪くなり精度が頭打ちになる課題があった。これら3つの要素を数学的に最もバランスの良い最適な比率で同時にスケーリングし、高い認識精度と圧倒的な軽量・高速化を両立させたCNNモデルはどれか。
【正解の解説】
EfficientNet
EfficientNetは、深さ・幅・解像度の3つの要素を数学的な比率でバランスよく最適化することで、高い精度と効率を両立させたモデルです。
スポンサーリンク
【その他の選択肢の解説】
GoogLeNet
GoogLeNetは、Inceptionモジュールを用いて並列的な計算を行うモデルで、EfficientNetとはアプローチが異なります。
DenseNet
DenseNetは、層の間を密に結合させることで情報の伝達を効率化したモデルです。3要素をスケーリングするモデルではありません。
AlexNet
AlexNetは、深層学習ブームの火付け役となった歴史的なモデルですが、EfficientNetのような最適スケーリングの手法とは異なります。