ResNetとは？
れすねっと
ResNetとは、残差接続（スキップ接続）を導入することで非常に深いネットワークの学習を可能にした、画像認識分野における代表的なディープラーニングモデルです。
ResNet（Residual Network、残差ネットワーク）は、Microsoftの研究チームが2015年に発表した深層ニューラルネットワークのアーキテクチャです。同年のILSVRC（ImageNet Large Scale Visual Recognition Challenge）で人間の識別精度を超える成績を収め、コンピュータビジョン分野に大きな革新をもたらしました。
深層ネットワークの最大の課題は、層を重ねすぎると勾配消失問題が起きて学習が困難になることでした。ResNetはこの問題を残差接続（Residual Connection／Skip Connection）というアイデアで解決しました。入力をいくつかの層をスキップして出力側に直接加算することで、勾配が途切れずに深い層まで伝わるようにしたのです。
これにより、従来は数十層が限界だったネットワークを、
- ResNet-50（50層）
- ResNet-101（101層）
- ResNet-152（152層）
ResNetは画像分類だけでなく、物体検出（Faster R-CNN）・セグメンテーション・医療画像解析など多くのタスクのバックボーンとして採用されており、現在も広く使われている基盤モデルです。PyTorchやTensorFlowなどの主要フレームワークで事前学習済みモデルが公式に提供されています。
使い方・例文
医療画像診断システムの開発において、ImageNetで事前学習済みのResNet-50を転移学習のベースモデルとして採用し、少ないデータ量でも高い分類精度を実現しました。
この用語をシェア
最終更新: