DenseNet（高密度接続CNN）はG検定対策を理解するための用語です。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

G検定トップ ＞ DenseNet（高密度接続CNN）とは？G検定対策

まず結論

  • DenseNet（Densely Connected Convolutional Network）とは、各層がそれ以前のすべての層の出力を結合（concatenate）して受け取ることで、勾配消失を防ぎつつ効率的に学習するCNN。
  • G検定ではResNetとの違い（足し算か／結合か）を正しく区別できるかが問われる。

直感的な説明

  • ResNetは、

    • 「近道（skip）」で情報を足し算します。
  • DenseNetは、 👉 過去の情報を全部まとめて持ち歩くイメージです。

  • つまり、

    • ResNet：必要な情報だけ加算
    • DenseNet：過去の特徴を全部保存

定義・仕組み

  • DenseNetでは、

    • 各層の出力を
    • 次の層に連結（concatenate）して入力します。

  • 特徴：

    • 勾配消失の緩和
    • 特徴再利用が進む
    • パラメータ効率が高い

いつ使う？（得意・不得意）

使われる場面（得意）

  • 高精度画像分類
  • 特徴再利用を重視した学習

注意点・不得意

  • メモリ使用量が増える
  • 実装がやや複雑

G検定ひっかけポイント

  • よくある誤り表現：

    • ❌ 「出力を加算する」
    • ❌ 「残差接続と同じ仕組み」

  • 正しい理解：

    • 連結（concatenate）
    • 高密度接続

  • 判断基準：

    • 足し算 → ResNet
    • 結合 → DenseNet

まとめ（試験直前用）

  • DenseNet＝全層と接続
  • 特徴を結合して伝播
  • 勾配消失に強い
  • パラメータ効率が良い
  • ResNetとの違いは「加算 vs 結合」

🔗 関連記事

🏠 G検トップに戻る