SENet（Squeeze-and-Excitation Network）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 ＞ SENet（Squeeze-and-Excitation Network）とは？G検定対策

まず結論

  • SENet（Squeeze-and-Excitation Network）とは、チャネル方向のAttention機構を導入し、重要な特徴チャネルを強調することで認識性能を向上させたCNNアーキテクチャ。
  • G検定では「チャネル方向のAttention」を見抜けるかが最重要ポイント。

直感的な説明

  • 画像の特徴量には、

    • 重要な特徴
    • あまり重要でない特徴 が混ざっています。
  • SENetは、 👉 「どのチャネルが重要か？」を自動で学習し、重要なものだけを強く見る仕組みです。
  • 人で言えば、 👉 注目すべきポイントにだけ意識を集中するイメージです。

定義・仕組み

  • SENetは、各チャネルの重要度を学習するために、

    1. Squeeze：空間方向に平均化し、チャネルごとの代表値を取得
    2. Excitation：全結合層を用いてチャネル重み（Attention）を計算
    3. Recalibration：重みを各チャネルに掛けて特徴を再調整 という処理を行います。

  • 特徴：

    • チャネル方向のAttention
    • 既存CNN（ResNetなど）に組み込み可能
    • ImageNetで大きな性能向上

いつ使う？（得意・不得意）

使われる場面（得意）

  • 画像分類
  • 既存CNNの性能向上

注意点・不得意

  • 計算量がわずかに増加
  • 空間方向のAttentionではない

G検定ひっかけポイント

  • よくある誤り表現：

    • ❌ 「空間方向のAttention」
    • ❌ 「セグメンテーション専用モデル」

  • 正しい理解：

    • チャネル方向のAttention
    • CNNに付加するモジュール

  • 判断基準：

    • チャネルに注目 → SENet
    • 空間ピラミッド → PSPNet

まとめ（試験直前用）

  • SENet＝チャネルAttention
  • 重要チャネルを強調
  • Squeeze & Excitation が名前の由来
  • ResNetなどに組み込める
  • 空間Attentionではない

🔗 関連記事

🏠 G検トップに戻る