---
title: "AlexNet（ディープラーニング革命の起点）とは？G検定対策"
description: "AlexNet（ディープラーニング革命の起点）について、G検定で問われる画像認識・CNN分野の観点から、画像タスクでの役割、特徴抽出の流れ、代表モデルとの関係を整理します。暗記だけでなく、似た概念との混同を避ける見分け方や、選択肢を切るためのポイントも確認します。"
canonical_url: "https://stemtazoo.github.io/gk/alexnet/"
section: "gk"
---

## まず結論

* **AlexNet**とは、2012年のImageNetコンペ（ILSVRC）で圧勝し、**ディープラーニングブームの引き金**となった畳み込みニューラルネットワーク（CNN）。
* G検定では**「歴史的意義」と「初めて実用的に効いた工夫」**が問われる。

## 直感的な説明

* AlexNet以前の画像認識は、

  * 特徴量は人が設計
  * ネットワークは浅い
    というのが主流でした。
* AlexNetは、
  👉 **深いCNNをGPUで学習させ、特徴抽出から分類までを一気通貫で学習**した点が画期的でした。

## 定義・仕組み

* AlexNetの主な特徴：

  * **ReLU活性化関数**の導入
  * **GPUによる大規模学習**
  * **Dropout**による過学習対策
  * データ拡張（Data Augmentation）

* ネットワーク構成（概要）：

  * 畳み込み層＋プーリング層
  * 全結合層
  * Softmaxによる分類

## いつ使う？（得意・不得意）

### 使われる場面（得意）

* 現代では教育・比較用
* CNNの基本構造理解

### 注意点・不得意

* パラメータ数が多く計算量が大きい
* 現代のモデル（ResNet等）より性能は劣る

## G検定ひっかけポイント

* よくある誤り表現：

  * ❌ 「残差接続を導入したモデル」
  * ❌ 「Attention機構を持つ」

* 正しい理解：

  * **ReLU・Dropout・GPU学習**
  * **2012年ImageNet優勝**

* 判断基準：

  * **2012年・ImageNet・CNNブーム → AlexNet**

## まとめ（試験直前用）

* AlexNet＝DLブームの起点
* 2012年ImageNetで圧勝
* ReLU・Dropout・GPU学習
* 深いCNNを実用化
* 「最初に当たったCNN」と覚える