用語比較
VGGとGoogLeNetの違い（G検定のILSVRC 2014の画像認識モデルの見分け方）
VGGは、非常に小さい3×3の畳み込みフィルタを使い、重み層を16〜19層まで深くした画像認識モデルです。GoogLeNetは、Inceptionという構造を使い、計算量を一定に保ったまま深さと幅を増やした22層のモデルです。
どちらも2014年のILSVRC（ImageNetの画像認識の競技会）に提出されたモデルです。違いは、VGGが「小さいフィルタで深くする」方向、GoogLeNetが「計算資源を効率よく使って深さと幅を増やす」方向にあります。
G検定のシラバスでは、画像認識の項目にVGGとGoogLeNetの両方が挙がります。このページは、2つの名前と特徴を取り違えている人向けです。
VGGとResNetの違いは別のページで扱い、ここでは2014年の2つのモデルの切り分けに絞ります。
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
VGG
3×3の小さな畳み込みフィルタで、重み層を16〜19層まで深くする。ILSVRC 2014の位置特定で1位、分類で2位。
GoogLeNet
Inception構造で、計算量を一定に保ちつつ深さと幅を増やした22層。ILSVRC 2014の分類と検出で最高水準。
違いを表で確認
| 比較軸 | VGG | GoogLeNet |
|---|---|---|
| 設計の中心 | VGG：非常に小さい3×3の畳み込みフィルタを使い、深さを押し進める | GoogLeNet：Inception構造で、ネットワーク内の計算資源の利用を改善する |
| 深さ | VGG：重み層を16〜19層まで深くした | GoogLeNet：22層の深さ |
| 計算量への考え方 | VGG：深さが精度に与える影響を評価することが中心 | 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 |
| 設計の根拠 | VGG：深さが精度に与える影響を、非常に小さい3×3のフィルタを使った構成で評価した | GoogLeNet：ヘブの原理とマルチスケール処理の直観 |
| ILSVRC 2014の成績 | VGG：位置特定（localisation）で1位、分類で2位 | GoogLeNet：分類と検出で新たな最高水準を打ち立てた |
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。
どこで迷っているかを切り分ける
どちらも「2014年の深い画像認識モデル」としか覚えていない人
VGGは3×3の小さなフィルタを重ねて16〜19層まで深くしました。GoogLeNetはInception構造で計算量を一定に保ちながら、22層で深さと幅を増やしました。
Inceptionと3×3のフィルタの話が結びつかない人
Inceptionは、GoogLeNetの原論文に出るコードネームです。3×3の小さなフィルタをそろえたことが特徴なのは、VGGです。
ILSVRC 2014の1位がどちらか迷う人
VGGの原論文は位置特定で1位、分類で2位と述べます。GoogLeNetの原論文は、分類と検出で新たな最高水準を打ち立てたと述べます。部門ごとに確認します。
具体例で使い分ける
例 1
3×3の小さな畳み込みフィルタで深さを増したモデルを選ぶ場合
設計の中心に着目した設問です。
- VGGの原論文は、非常に小さい3×3の畳み込みフィルタを用いた構成で、深さの影響を評価すると述べます。
- 重み層を16〜19層まで押し進めると、従来の構成から大きな改善が得られました。
結論: 3×3の小さなフィルタで深くしたのは、VGGです。
例 2
Inception構造と22層のモデルを選ぶ場合
構造と深さに着目した設問です。
- GoogLeNetの原論文は、コードネーム「Inception」の構造を提案し、ILSVRC 2014への提出に使った具体的な構成を22層のGoogLeNetと述べます。
- 計算予算を一定に保ったまま、深さと幅を増やせる設計です。
結論: Inception構造の22層は、GoogLeNetです。
例 3
計算資源の利用を改善した点が特徴のモデルを選ぶ場合
設計の狙いに着目した設問です。
- GoogLeNetの原論文は、この構造の特徴を、ネットワーク内の計算資源の利用の改善と述べます。
- VGGの原論文の中心は、深さが精度に与える影響の評価です。
結論: 計算資源の利用の改善を特徴とするのは、GoogLeNetです。
問題文から答えを選ぶ手順
- 1
設計の中心を確認する
3×3の小さなフィルタならVGG、Inception構造ならGoogLeNetです。
- 2
層の数を確認する
16〜19層ならVGG、22層ならGoogLeNetです。
- 3
狙いを確認する
深さの影響の評価ならVGG、計算量を一定に保った深さと幅の拡大ならGoogLeNetです。
- 4
発表の年を確認する
どちらも2014年にarXivで公開され、ILSVRC 2014に関係します。年では区別できません。
試験での見分け方
- 1非常に小さい3×3のフィルタで16〜19層は、VGG。
- 2Inception構造の22層は、GoogLeNet。
- 3計算予算を一定に保ち、深さと幅を増やす設計は、GoogLeNet。
- 4ILSVRC 2014の位置特定で1位、分類で2位は、VGG。
誤答しやすい選択肢
VGGがInception構造を使うと答える
修正: Inceptionは、GoogLeNetの原論文が提案する構造のコードネームです。VGGの原論文の中心は、3×3の小さなフィルタです。
GoogLeNetが16〜19層だと答える
修正: 16〜19層はVGGで評価された重み層の範囲です。GoogLeNetの原論文は、22層の深さと述べます。
年が同じなので同じ特徴だと考える
修正: どちらも2014年のILSVRCに関係しますが、設計の中心は異なります。小さなフィルタで深くするのがVGG、計算資源を効率よく使うのがGoogLeNetです。
確認問題
Q1非常に小さい3×3の畳み込みフィルタを使い、重み層を16〜19層まで深くしたモデルは何ですか？
答え: VGG
ILSVRC 2014の位置特定で1位、分類で2位となりました。
Q2コードネームがInceptionで、22層の深さをもつモデルは何ですか？
答え: 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です。
Q3GoogLeNetの原論文が、構造の特徴として挙げているのは何ですか？
答え: ネットワーク内の計算資源の利用の改善
設計はヘブの原理とマルチスケール処理の直観に基づくと述べられています。
到達チェック
- VGGの3×3フィルタと16〜19層を言える
- GoogLeNetのInception構造と22層を言える
- GoogLeNetの特徴が計算資源の利用の改善であることを言える
- ILSVRC 2014での両者の成績を言える
関連ページで確認する
同じ資格で次に知りたいこと
- Seq2SeqとTransformerの違い（G検定の機械翻訳モデルの見分け方）
Seq2SeqとTransformerの違いを、原論文の抄録に沿って、LSTMで固定次元のベクトルを介して系列を変換するSeq2Seqと、再帰も畳み込みも使わず注意機構だけで組むTransformerの構造、翻訳成績、学習の速さまで整理し、G検定での見分け方と確認問題を示します。
- 不均衡データの扱い（オーバーサンプリング・アンダーサンプリング・クラスの重み付けの違い）
不均衡データへの3つの対処、オーバーサンプリング・アンダーサンプリング・クラスの重み付けの違いを、データを変えるか損失の重みを変えるかの軸と、正解率だけで評価できない理由、G検定での判断手順、確認問題まで公式ドキュメントに沿って解説します。
- FCNとU-Netの違い（G検定のセグメンテーションモデルの見分け方）
FCNとU-Netの違いを、原論文の抄録に沿って、全畳み込みで任意サイズの入力を扱うFCNと、収縮パスと拡張パスで少数画像から学習するU-Netの構造、用途、成績まで整理し、G検定での見分け方と確認問題を示します。
よくある質問
QVGGとGoogLeNetの最大の違いは何ですか？
VGGは3×3の小さなフィルタで16〜19層まで深くした点、GoogLeNetはInception構造で計算量を一定に保ちつつ22層で深さと幅を増やした点が特徴です。
QGoogLeNetとInceptionは同じものですか？
Inceptionは構造のコードネームです。ILSVRC 2014への提出に使った具体的な構成が、22層のGoogLeNetです。
QILSVRC 2014で1位だったのはどちらですか？
VGGの論文は位置特定で1位、分類で2位と述べます。GoogLeNetの論文は、分類と検出で新たな最高水準を打ち立てたと述べます。
Qどちらの論文も2014年ですか？
はい。VGGはarXiv:1409.1556、GoogLeNetはarXiv:1409.4842で、どちらも2014年9月に公開されました。
次に見る比較
- G検定・DS検定・統計検定2級で重なる用語10語の比較
同じ名前の用語の定義と収録章を、資格ごとに並べます。
- ベイズの定理と条件付き確率の違い（統計検定2級の式と計算例）
求める確率の向きの違いと、陽性になる確率の計算例を確かめます。
- 紛らわしい用語ペア早見表
混同しやすい用語の違いと判定の手掛かりを、資格別の一覧で確かめます。
執筆: ミナト編集部（運営者情報を見る）