5.6 深層畳み込みニューラルネットワークの発展史 — AlexNetからResNetまで
本記事では、Deep Convolutional Network（深層畳み込みニューラルネットワーク）がどのように発展してきたのかを、ImageNet / ILSVRC（ImageNet Large Scale Visual Recognition Challenge）を中心に整理します。AlexNetを出発点として、ZFNet、VGGNet、GoogLeNet（Inception）、そしてResNetに至るまで、CNNアーキテクチャがどのような課題を解決しながら進化してきたのかを、一つの流れとして理解できるように解説します。
05/17/2026
AlexNetとは — ILSVRC 2012でCNNの有効性を示した画像認識モデル
AlexNetとは、ILSVRC 2012でtop-5 error rateを大幅に改善し、CNNによる画像分類の有効性を示したモデルである。ImageNetの大規模画像分類ベンチマークにおいて、畳み込み層、ReLU、Dropout、GPUによる並列計算を組み合わせ、深層CNNを実用的な選択肢として広く普及させる契機となった。
06/05/2026
CNN（畳み込みニューラルネットワーク）— Convolution・Pooling構造と代表的なモデルを理解する
CNN（Convolutional Neural Network）、画像認識、Deep Learningにおける画像処理モデルの構造を整理したい場合は、このページから始めてください。
08/08/2026
ILSVRC (ImageNet Large Scale Visual Recognition Challenge) — ディープラーニング時代を切り開いた画像認識ベンチマーク
ILSVRC (ImageNet Large Scale Visual Recognition Challenge)は、画像分類および物体認識のための大規模なコンピュータビジョンコンペティションであり、ディープラーニングの革新を加速させた代表的なベンチマークチャレンジである。
06/18/2026
Inception Module（インセプションモジュール）— 複数の受容野を並列に使い、多様な空間スケールの特徴を同時に学習するCNNアーキテクチャ
Inception Module（インセプションモジュール）は、1つの入力Feature Mapを複数のConvolution経路で同時に処理し、チャネル方向に結合することで、多様な空間スケールの特徴を一度に抽出する畳み込みニューラルネットワーク構造である。この構造はGoogLeNetで初めて提案され、サイズの異なるConvolutionフィルタを並列に適用しながら、1×1 Convolutionによって計算量を抑える効率的なCNN設計である。
06/21/2026
Top-5 Error — 大規模マルチクラス分類において上位5つの予測に正解が含まれない割合でモデル性能を評価する指標
Top-5 Errorとは、モデルが予測した上位5つのクラス候補の中に正解が含まれていない確率を測定する評価指標である。特に数千以上のクラスを識別する必要がある大規模な画像分類タスクにおいて、モデルの実際の認識能力をより柔軟に評価するために利用される。
06/18/2026