---
title: "GoogLeNet（Inception）とは？G検定対策"
description: "GoogLeNetは、複数サイズの畳み込みとプーリングを並列に行うInceptionモジュールを重ねたCNNです。1×1畳み込みによるチャネル数削減を押さえ、直列型のVGGや残差接続を使うResNetと区別します。"
last_modified_at: "2026-06-28"
canonical_url: "https://stemtazoo.github.io/gk/googlenet/"
section: "gk"
---

## まず結論

* **GoogLeNet（Inception）**とは、**複数サイズの畳み込みを並列に適用するInceptionモジュール**を用いて、**計算量を抑えつつ高精度を実現**したCNN。
* G検定では**「並列構造」「1×1畳み込み」「VGGより軽量」**を理解しているかが問われる。

## 直感的な説明

* 画像の特徴は、

  * 小さな模様
  * 大きな構造
    どちらも重要です。
* GoogLeNetは、
  👉 **1つの層で複数の見方（小・中・大）を同時に試す**発想のモデルです。
* それを可能にしたのが **Inceptionモジュール** です。

## 定義・仕組み

* Inceptionモジュールでは、

  * 1×1 畳み込み
  * 3×3 畳み込み
  * 5×5 畳み込み
  * プーリング
    を**並列**に適用し、その出力を結合します。

* 重要ポイント：

  * **1×1畳み込みによる次元削減**
  * パラメータ数・計算量の削減

3×3や5×5畳み込みの前に1×1畳み込みを置くと、空間的な縦横サイズを保ちながらチャネル数を減らせます。重い畳み込みへ渡すデータを絞ることで、並列構造でも計算量を抑えられます。

初期のGoogLeNetでは、大きな全結合層の代わりに**Global Average Pooling**を使うことでもパラメータ数を削減しました。

## いつ使う？（得意・不得意）

### 使われる場面（得意）

* 高精度な画像分類
* 計算資源を抑えたい環境

### 注意点・不得意

* 構造が複雑で理解しづらい
* 実装がやや難しい

## G検定ひっかけポイント

| モデル | 代表的な特徴 |
|---|---|
| VGG | 3×3畳み込みを直列に積み重ねる |
| GoogLeNet | 複数処理を並列化するInceptionモジュール |
| ResNet | 入力を後段へ足す残差接続 |

1×1畳み込みは、ここでは主に**チャネル数の調整**に使います。「残差接続で勾配を伝えやすくする」はResNetの説明です。

* よくある誤り表現：

  * ❌ 「3×3畳み込みのみを使用」
  * ❌ 「シンプルな直列構造」

* 正しい理解：

  * **並列構造**
  * **1×1畳み込みで効率化**

* 判断基準：

  * **並列・Inception → GoogLeNet**
  * **3×3積み重ね → VGG**

## まとめ（試験直前用）

* GoogLeNet＝Inceptionモジュール
* 複数サイズ畳み込みを並列処理
* 1×1畳み込みで計算削減
* VGGより軽量
* 「並列」がキーワード