---
title: "EfficientNet（Compound Scaling による高効率CNN）"
description: "EfficientNetについて、G検定で問われるAI・機械学習分野の観点から、基本的な意味、代表モデル・手法との関係、試験で問われやすい判断軸を整理します。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/efficientnet/"
section: "gk"
---

## まず結論

**EfficientNet は、画像認識向けに設計された CNN であり、
「深さ・幅・入力解像度」を同時にバランスよく拡張する
Compound Scaling によって、高精度と高効率を両立したモデルです。**

G検定では、
👉 **「深さだけ／幅だけ」ではなく「3つ同時に拡張する」**
👉 **「画像モデルであり、時系列モデルではない」**
という2点を切り分けられるかが問われます。

---

## 直感的な説明

CNN の性能を上げる方法には、

* ネットワークを深くする（ResNet）
* チャネル数を増やす（WideResNet）
* 入力画像を高解像度にする

といった方法があります。

EfficientNet は、

👉 **どれか1つだけを極端に伸ばすのではなく、
「深さ・幅・解像度」を少しずつ同時に成長させる**

という考え方です。

人に例えると、

* 筋肉だけ鍛える
* 身長だけ伸ばす

のではなく、

👉 **体格・筋力・持久力をバランスよく鍛える**

イメージです。

---

## 定義・仕組み

### EfficientNet

* Google が提案した CNN アーキテクチャ

* NAS（Neural Architecture Search）を用いてベースモデル（B0）を設計

* **Compound Scaling** により、次の3つを同時に拡張

  * 深さ（depth）
  * 幅（width）
  * 入力解像度（resolution）

* EfficientNet-B0 を基準に、B1〜B7 へスケール

👉 **少ない計算量で高精度を実現**

---

## いつ使う？（得意・不得意）

### 得意なタスク

* 画像分類
* 画像認識
* 視覚検査

👉 **画像 × CNN × 高効率**

---

### 苦手・注意が必要なタスク

* 音声の時系列データ（波形そのもの）
* テキストの系列データ

※ スペクトログラムなど **画像に変換した場合** は CNN を使えるが、
それは「前処理で画像化している」点に注意。

---

## G検定ひっかけポイント

### ① 「EfficientNet は深くしたモデルである」

❌ 不正解。

* 深さ **だけ** を拡張 → ResNet
* 幅 **だけ** を拡張 → WideResNet
* **深さ・幅・解像度を同時に拡張 → EfficientNet**

---

### ② 「高性能なので何にでも使える」

❌ 不正解。

* EfficientNet は **画像向け CNN**
* 音声・テキストの時系列を直接扱うモデルではない

---

### ③ 音声を画像化すれば OK？

* スペクトログラムに変換すれば CNN を使うことは可能
* ただし問題文に

  * 「音声の時系列データを扱う」

とあれば、EfficientNet は **不適切**

---

## まとめ（試験直前用）

* EfficientNet＝**Compound Scaling**
* 深さ・幅・解像度を同時に拡張
* 高精度・高効率な画像向け CNN
* 時系列モデルではない

👉 迷ったら

> **EfficientNet = 画像 × バランス設計**