AI資格ドリル
資格を選ぶ↓

用語比較

GoogLeNetとResNetの違い｜Inceptionで幅と深さを増やすか、残差学習で152層まで深くするか（G検定）

GoogLeNetとResNetは、どちらもILSVRC（ImageNetの画像認識コンペ）で成果を出した畳み込みニューラルネットワークです。GoogLeNetは2014年に新たな最高水準を示し、ResNetは2015年の分類タスクで1位になりました。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。

GoogLeNetは計算予算を一定に保ったまま深さと幅を増やすInception構造、ResNetは入力を参照した残差関数を学習する残差学習と覚えると、選択肢を切り分けられます。

このページは、2つの原論文（arXivの要旨など）の記述をもとに、設計の狙い・層の数・成績で比べます。VGG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

GoogLeNet

コードネームInceptionの構造。ネットワーク内の計算資源の利用を改善し、計算予算を一定に保ったまま深さと幅を増やす。ILSVRC 2014に出した構成は22層。

ResNet

層を、入力を参照した残差関数を学習するものとして組み替える。非常に深いネットワークの学習を容易にし、最大152層。ILSVRC 2015の分類で1位。

見分け方

選択肢に「Inception」「計算予算」「22層」があればGoogLeNet、「残差」「shortcut」「152層」があればResNet。

違いを表で確認

比較軸GoogLeNetResNet
設計の狙いGoogLeNet：計算予算を一定に保ったまま、深さと幅を増やせる設計にするResNet：より深いネットワークは学習が難しいという問題に、残差学習で対応する
中心となる仕組みGoogLeNet：Inception構造。ヘブの原理とマルチスケール処理の直観に基づくResNet：目的写像H(x)に対し、積層層にF(x)=H(x)-xを学習させ、入力xを足してF(x)+xを出力する
層の数GoogLeNet：ILSVRC 2014への提出構成は22層ResNet：最大152層。VGGの8倍の深さでありながら計算量は低い
入力の扱いGoogLeNet：抄録は、計算資源の利用の改善を特徴として述べるResNet：入力xをshortcutを通して足す。次元が違う場合は線形射影Wsxで合わせる
ILSVRCでの成績GoogLeNet：ILSVRC 2014の分類と検出で新たな最高水準ResNet：アンサンブルでImageNetテストセットの誤差3.57%。ILSVRC 2015の分類で1位

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

「入力を足す」「残差」という語が出る人

ResNetです。積層層に目的写像との差であるF(x)=H(x)-xを学習させ、shortcutを通した入力を足して出力します。

02

「Inception」「計算予算を保つ」という語が出る人

GoogLeNetです。ネットワーク内の計算資源の利用を改善し、計算予算を一定に保ったまま深さと幅を増やします。

03

層の数を問われる人

GoogLeNetの提出構成は22層、ResNetは最大152層です。「22層」と「152層」を取り違えないように、年とセットで覚えます。

具体例で使い分ける

例 1

選択肢に「残差関数」が出る場合（架空の場面）

「層の入力を参照した残差関数を学習するように組み替え、非常に深いネットワークの学習を容易にした手法はどれか」という問いがあります。

  • 入力を参照した残差関数を学習する枠組みは、ResNetの記述です。
  • GoogLeNetの特徴は、Inception構造で計算予算を保ったまま深さと幅を増やす点で、残差学習ではありません。

結論: 残差関数が出ればResNetです。

例 2

選択肢に「Inception」が出る場合（架空の場面）

「コードネームInceptionの構造で、計算予算を一定に保ったまま深さと幅を増やした手法はどれか」という問いがあります。

  • Inceptionはこの構造のコードネームで、ILSVRC 2014への提出構成がGoogLeNetです。
  • ResNetは2015年の成果で、残差学習を特徴とします。

結論: InceptionならGoogLeNetです。

例 3

どちらが深いかを問われる場合

2つのモデルの層の数を比べるよう求められています。

  • GoogLeNetの提出構成は22層、ResNetは最大152層です。
  • ResNetの152層は、VGGの8倍の深さでありながら計算量は低いと、原論文の抄録は述べています。

結論: 深さではResNetが上です。ただしGoogLeNetの狙いは、深さだけでなく計算予算を保つことにあります。

問題文から答えを選ぶ手順

  1. 1

    特徴の語を見る

    「Inception」「計算予算」ならGoogLeNet、「残差」「shortcut」ならResNetです。

  2. 2

    層の数を見る

    22層ならGoogLeNet、最大152層ならResNetです。

  3. 3

    年を見る

    ILSVRC 2014で最高水準を示したのがGoogLeNet、2015の分類で1位になったのがResNetです。

  4. 4

    深さの意味を見る

    GoogLeNetは幅も増やして計算予算を保つ設計、ResNetは深いネットワークの学習を容易にする設計です。

試験での見分け方

  • 1GoogLeNetは、Inception構造により、計算予算を一定に保ったまま深さと幅を増やす。提出構成は22層。
  • 2ResNetは、入力を参照した残差関数を学習する残差学習で、非常に深いネットワークの学習を容易にする。
  • 3ResNetの出力はF(x)+xで、次元が違う場合は線形射影Wsxで合わせる。
  • 4ILSVRCで、2014年に最高水準を示したのがGoogLeNet、2015年の分類で1位になったのがResNetである。

誤答しやすい選択肢

GoogLeNetに残差の仕組みがあると考える

修正: 残差学習はResNetの仕組みです。GoogLeNetの特徴は、Inception構造と計算予算の扱いです。

ResNetの層数を22層と覚える

修正: 22層はGoogLeNetの提出構成です。ResNetは最大152層です。

ResNetを幅を増やす設計と考える

修正: ResNetの狙いは、深いネットワークの学習を容易にすることです。計算予算を保ったまま幅を増やすのはGoogLeNetの説明です。

確認問題

Q1計算予算を一定に保ったまま深さと幅を増やすInception構造を持つ、ILSVRC 2014の手法は？

答え: GoogLeNet

提出構成は22層です。ネットワーク内の計算資源の利用を改善した点が特徴です。

Q2積層層に残差F(x)=H(x)-xを学習させ、入力xを足して出力する手法は？

答え: ResNet

残差学習により、非常に深いネットワークの学習を容易にします。最大152層です。

Q3ResNetで入出力の次元が異なる場合、shortcutではどうする？

答え: 線形射影Wsxで次元を合わせ、F(x)+Wsxとする

次元が同じ場合は、恒等shortcutを通した入力xをそのまま足します。

到達チェック

  • GoogLeNetのInception構造の狙いを言える
  • ResNetの残差学習の式を言える
  • 22層と152層を取り違えない

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

QGoogLeNetとResNetの違いは？

A

GoogLeNetはInception構造で、計算予算を一定に保ったまま深さと幅を増やします。ResNetは残差学習で、非常に深いネットワークの学習を容易にします。

QGoogLeNetとResNetの層の数は？

A

ILSVRC 2014に出したGoogLeNetの構成は22層です。ResNetは最大152層で、VGGの8倍の深さとされています。

QResNetはどの大会で1位になりましたか？

A

原論文の抄録は、ILSVRC 2015の分類タスクで1位にな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）