AI資格ドリル
資格を選ぶ↓

用語比較

AlexNetとLeNetの違い｜手書き文字認識と、ILSVRC-2012優勝の構成・成績（G検定）

LeNetとAlexNetは、どちらも畳み込みニューラルネットワーク（CNN）の代表として登場します。LeNetは1998年の論文で手書き文字認識に使われたLeNet-5、AlexNetは2012年のILSVRC（ImageNetの画像認識コンペ）で優勝したモデルです。G検定では、特徴を述べた選択肢がどちらのものかを問われます。

LeNet-5は手書き文字認識で畳み込みNNの成功を示した入力32×32画素の小さな構成、AlexNetは120万枚のImageNet画像を1000クラスに分類し、ReLU・GPU・dropoutを使って2012年に優勝した大きな構成と覚えると、選択肢を切り分けられます。

このページは、AlexNetの原論文とLeNetの原論文の記述をもとに、題材・層の数・学習の工夫・成績で比べます。VGGやGoogLeNetなど、AlexNetより後のモデルとの違いは別のページにあります。

この記事の根拠と出典

各セクションの見出しの下に、公式資料で確認した内容か編集部の整理かをラベルで示しています。 試験日・料金・申込条件・試験方式は変わることがあるため、申込前に公式サイトで確認してください。G検定の一次情報確認日: 2026-10-02。

結論

LeNet

LeNet-5は手書き文字認識で、畳み込みNNの確立した成功例を示した構成。入力を除き7層、入力は32×32画素。畳み込み・サブサンプリング・全結合の層からなる。

AlexNet

ImageNetの120万枚の画像を1000クラスに分類。学習する層は8つ（畳み込み5・全結合3）、パラメータ6000万。ReLU・GPU実装・dropoutを使い、ILSVRC-2012で優勝。

見分け方

選択肢に「手書き文字」「サブサンプリング」「1998年」があればLeNet、「ILSVRC-2012」「dropout」「GPU」「15.3%」があればAlexNet。

違いを表で確認

比較軸LeNetAlexNet
題材LeNet：手書き文字の認識。畳み込みNNが手書き文字認識の確立した成功例であることを示したAlexNet：ImageNetの高解像度画像を1000クラスに分類する画像認識
層の数LeNet：LeNet-5は入力を除き7層。入力は32×32画素AlexNet：学習する層は8つ（畳み込み層5・全結合層3）。最後に1000クラスのsoftmax
中心となる設計LeNet：局所受容野・重みの共有・サブサンプリングの3つを組み合わせるAlexNet：非飽和ニューロン（ReLU）、畳み込みの効率的なGPU実装、全結合層のdropout
規模LeNet：畳み込み層（C）・サブサンプリング層（S）・全結合層（F）の7層構成AlexNet：ILSVRC-2010で学習した構成はパラメータ6000万・ニューロン65万。GTX 580（3GB）2枚で5〜6日かけて学習
成績LeNet：手書き文字認識での畳み込みNNの成功例として知られるAlexNet：このモデルの変種をILSVRC-2012に出し、top-5誤り率15.3%、2位は26.2%で優勝

G検定の学習に使う書籍（Amazon）

試験範囲を通して読むときの1冊です。読んだ章は、このサイトの章別問題で確かめられます。

PR
深層学習教科書 ディープラーニング G検定（ジェネラリスト）公式テキスト 第3版 の表紙深層学習教科書 ディープラーニング G検定（ジェネラリスト）公式テキスト 第3版試験を実施する日本ディープラーニング協会が監修した公式テキストです。Amazonで見る

ほかの資格を含む参考書・問題集の一覧を見る

どこで迷っているかを切り分ける

01

「ILSVRC-2012で優勝」「dropout」という語が出る人

AlexNetです。全結合層の過学習を減らすためにdropoutを使い、変種をILSVRC-2012に出してtop-5誤り率15.3%で優勝しました。

02

「手書き文字」「サブサンプリング」という語が出る人

LeNetです。畳み込み層とサブサンプリング層を組み合わせた構成で、手書き文字認識で畳み込みNNの成功を示しました。

03

層の数や入力の大きさを問われる人

LeNet-5は入力を除き7層で入力は32×32画素、AlexNetは学習する層が8つです。数字だけを丸暗記せず、題材とセットで覚えます。

具体例で使い分ける

例 1

選択肢に「ReLUとGPUで学習を速めた」が出る場合（架空の場面）

「ReLUと畳み込みのGPU実装で学習を速め、全結合層にdropoutを使ってILSVRC-2012で優勝したモデルはどれか」という問いがあります。

  • ReLU・GPU実装・dropoutを使い、ILSVRC-2012のtop-5誤り率15.3%で優勝したのはAlexNetです。
  • LeNetは1998年の手書き文字認識の構成で、ILSVRCで優勝したモデルではありません。

結論: ReLU・GPU・dropoutが並べばAlexNetです。

例 2

選択肢に「サブサンプリング」「32×32画素」が出る場合（架空の場面）

「手書き文字認識で成功し、畳み込み層とサブサンプリング層を組み合わせた、入力が32×32画素の構成はどれか」という問いがあります。

  • 畳み込みとサブサンプリングの組み合わせ、32×32画素の入力は、LeNet-5の記述です。
  • AlexNetはImageNetの高解像度画像を扱う構成で、題材が違います。

結論: サブサンプリングと手書き文字ならLeNetです。

例 3

ReLUの効果を問われる場合

AlexNetがReLUを使った理由を選ぶ問いがあります。

  • 原論文は、tanhやシグモイドのような飽和する関数より、勾配降下法での学習時間がずっと短いと述べています。
  • ReLUを使った深い畳み込みNNは、tanhの同等のネットワークより数倍速く学習できると述べられています。

結論: ReLUの狙いは学習を速くすることです。過学習を減らすのはdropoutです。

問題文から答えを選ぶ手順

  1. 1

    題材を見る

    「手書き文字」ならLeNet、「ImageNet」「ILSVRC」ならAlexNetです。

  2. 2

    学習の工夫を見る

    「ReLU」「GPU」「dropout」がそろえばAlexNetです。「サブサンプリング」「重みの共有」が中心ならLeNetです。

  3. 3

    層の数を見る

    入力を除き7層ならLeNet-5、学習する層が8つ（畳み込み5・全結合3）ならAlexNetです。

  4. 4

    年と成績を見る

    1998年の論文はLeNet、2012年のILSVRCで15.3%（2位は26.2%）の優勝はAlexNetです。

試験での見分け方

  • 1LeNet-5は、手書き文字認識で畳み込みNNの成功を示した構成で、入力を除き7層、入力は32×32画素である。
  • 2AlexNetは、学習する層が8つ（畳み込み5・全結合3）で、パラメータは6000万である。
  • 3AlexNetはReLUで学習を速め、dropoutで全結合層の過学習を減らした。
  • 4AlexNetはILSVRC-2012でtop-5誤り率15.3%を出し、2位の26.2%を大きく下回って優勝した。

誤答しやすい選択肢

ReLUの狙いを過学習対策と考える

修正: ReLUは学習時間を短くするための非線形関数です。過学習を減らすために使ったのはdropoutです。

AlexNetを手書き文字認識のモデルと考える

修正: 手書き文字認識で成功を示したのはLeNetです。AlexNetはImageNetの1000クラス分類です。

AlexNetを最初のCNNと考える

修正: LeNetの論文は1998年で、福島のネオコグニトロンの畳み込みとサブサンプリングの組み合わせを受けています。AlexNetが示したのは、大規模な画像認識での成果です。

確認問題

Q1ILSVRC-2012でtop-5誤り率15.3%を出して優勝した、ReLUとdropoutを使ったCNNは？

答え: AlexNet

2位は26.2%でした。学習する層は畳み込み5・全結合3の8つです。

Q2手書き文字認識で畳み込みNNの成功を示した、入力が32×32画素の構成は？

答え: LeNet（LeNet-5）

入力を除き7層で、畳み込み層・サブサンプリング層・全結合層からなります。

Q3AlexNetが全結合層の過学習を減らすために使った正則化手法は？

答え: dropout

最初の2つの全結合層で使いました。dropoutがないと大きな過学習が起きたと述べられています。

到達チェック

  • LeNetの題材（手書き文字認識）を言える
  • AlexNetが使ったReLU・GPU・dropoutの狙いを言える
  • ILSVRC-2012の15.3%と26.2%を取り違えない

関連ページで確認する

同じ資格で次に知りたいこと

よくある質問

QAlexNetとLeNetの違いは？

A

LeNet-5は手書き文字認識で畳み込みNNの成功を示した入力32×32画素の構成です。AlexNetはImageNetの画像を1000クラスに分類し、ReLU・GPU・dropoutを使ってILSVRC-2012で優勝した構成です。

QAlexNetの層の数は？

A

原論文は、学習する層は8つ（畳み込み層5・全結合層3）と述べています。パラメータは6000万、ニューロンは65万です。

QAlexNetはILSVRC-2012でどのくらいの成績でしたか？

A

原論文の抄録は、top-5誤り率15.3%で優勝し、2位は26.2%だったと述べています。

次に見る比較

シェア:XでシェアLINEでシェア

執筆: ミナト編集部（運営者情報を見る）