画像分類モデルの設計の工夫

解説

正解 B

この問題の論点：画像分類モデルの設計の工夫

選択肢ごとの解説

1. A

   不適切

   VGGは3×3の小さなフィルタの畳み込みを何層も重ねる設計です。小さなフィルタを重ねると、同じ受容野をより少ないパラメータで得られます。11×11の大きなフィルタはAlexNetの最初の層で使われました。

2. B

   適切 正解

   Inceptionモジュールは1×1・3×3・5×5の畳み込みとプーリングを並列に行い、出力をチャネル方向に結合します。1×1畳み込みでチャネル数を減らして計算量を抑えています。ILSVRC2014の分類部門で優勝しました。

3. C

   不適切

   EfficientNetは、深さ（層の数）・幅（チャネル数）・入力画像の解像度の3つを、1つの係数でバランスよく同時に拡大します（複合スケーリング）。少ないパラメータ数で高い精度を達成しました。

4. D

   不適切

   Vision Transformerは、画像を16×16画素などの小さなパッチに分割し、各パッチを1つのトークンとして扱います。画素単位では系列が長くなり過ぎ、Self-Attentionの計算量が膨大になります。