CNN vs Transformer（G検定対策）は頻出論点を整理して得点力につなげる学習テーマです。この記事では仕組み・役割・使いどころを押さえ、G検定で問われる判断ポイントとひっかけポイントを解説します。

gk cnn transformer cheatsheet

G検定トップ ＞ CNN vs Transformer（G検定対策）

まず結論

  • G検定で計算問題が出るのはCNN、出ないのがTransformer
  • CNNは「局所構造」、Transformerは「全体関係」を扱う
  • 両者は競合ではなく 役割が違う

直感的な違い

CNN

近くを見るのが得意

  • 画像の一部一部を少しずつ見る
  • フィルタを滑らせて特徴抽出

Transformer

全体を一気に見るのが得意

  • 入力全体の関係性を同時に考慮
  • どこを見るかを Attention で決める

構造の違い（ざっくり）

観点 CNN Transformer
基本構造 Conv + Pooling Self-Attention + FFN
見る範囲 局所 全体
パラメータ カーネル依存 行列サイズ依存
計算問題 出る ほぼ出ない

なぜCNNは計算問題が出る？

  • カーネルサイズ
  • ストライド
  • パディング

👉 数字が明確で式にできる

なぜTransformerは計算問題が出ない？

  • Attentionは

    • 行列演算が中心
    • サイズは問題文に出にくい

👉 概念理解が中心

得意分野の違い

タスク CNN Transformer
画像分類 ◎ ○
物体検出 ◎ ○
セグメンテーション ◎ ○
NLP △ ◎
長距離依存 △ ◎

G検定ひっかけポイント

  • ❌「TransformerはCNNの改良版」→ 誤り
  • ❌「CNNでも全体関係が一瞬で分かる」→ 誤り
  • ✅ CNN：局所特徴
  • ✅ Transformer：全体関係

試験直前の一言

  • 計算する → CNN
  • 概念を聞く → Transformer

まとめ

  • CNNとTransformerは役割が違う
  • G検定では 使い分け理解 が最重要
  • 計算問題が出るかどうかで即切り

🔗 関連記事

🏠 G検トップに戻る