EfficientNetとは？概要

2019年、Google AIの研究者は、画像内の物体やパターンの認識を目的とした最先端のコンピュータービジョンモデル、EfficientNetを発表しました。主に画像分類向けに設計されており、画像をあらかじめ定義された複数のカテゴリのいずれかに分類します。しかし現在、EfficientNetは物体検出、セグメンテーション、転移学習など、より複雑なタスクのバックボーンとしても使用されています。

EfficientNet以前は、機械学習やビジョンAIのモデルの多くが、層を追加したり層のサイズを大きくしたりして正確度を高めようとしていました。層とは、データを処理してパターンを学習し、正確度を向上させるニューラルネットワークモデル（人間の脳に着想を得た深層学習モデルの一種）の処理段階です。

こうした変更にはトレードオフがあり、従来のAIモデルは大型化・低速化しました。一方、正確度の向上は、多大な計算能力が必要になることに比べてわずかな場合が少なくありませんでした。

EfficientNetは異なるアプローチを採用しました。深さ（層の数）、幅（各層のユニット数）、画像解像度（入力画像の詳細度）を、バランスよく同時に拡大しました。この手法は複合スケーリングと呼ばれます。その結果、ResNetやDenseNetなどの旧モデルより小型かつ高速で、より高い性能を発揮できるモデルが実現しました。

現在では、Ultralytics YOLO11やその後継モデルのUltralytics YOLO26など、新しいコンピュータービジョンモデルが、より高い精度、速度、効率を実現しています。それでもEfficientNetは、多くの高度なアーキテクチャの設計に影響を与えた重要なマイルストーンであり続けています。

この記事では、EfficientNetの仕組み、独自性、そしてコンピュータービジョンにおいて今も重要である理由を、5分で分かるように解説します。

EfficientNetとは？#

EfficientNetが設計される前は、ほとんどの画像認識モデルが層を調整したり、入力画像のサイズを大きくしてより多くの詳細を捉えたりすることで、正確度を高めていました。こうした方法で結果は改善しましたが、モデルはより大規模になり、多くのリソースを必要とするようになりました。その結果、より多くのメモリと高性能なハードウェアが必要でした。

個々の層を変更する代わりに、EfficientNetは複合スケーリングと呼ばれる手法を用いて、深さ、幅、画像解像度を同時に拡大します。このアプローチにより、特定の側面に過度な負荷をかけずに、モデルを効率よく拡張できます。

EfficientNetアーキテクチャは、それぞれ小さなモジュールで構成される一連のブロックを通じて画像を処理します。各ブロック内のモジュール数は、モデルのサイズによって異なります。

図1. EfficientNetの構成要素（出典）

小型のバージョンでは使用するモジュールが少なく、大型のバージョンではモジュールをより多く繰り返します。この柔軟な設計により、モバイルデバイスから大規模システムまで、幅広い用途で高い正確度と効率性を実現できます。

複合スケーリングの仕組み#

複合スケーリングでは、モデルの深さ、幅、画像解像度を拡大しながら、それらのバランスを保ちます。これにより、計算能力を効率的に活用できます。このシリーズは、他のすべてのバージョンの基盤となる、EfficientNet-B0という小型のベースラインモデルから始まります。

B0からモデルは拡張され、EfficientNet-B1からEfficientNet-B7までの大型バリエーションが作られています。段階ごとにネットワークの層が追加され、チャネル数（処理に使用するユニット数）が増え、より高解像度の入力画像を扱えるようになります。各段階での拡張量は複合係数と呼ばれるパラメーターによって決まり、深さ、幅、解像度が個別ではなく一定の比率で増加するように調整されます。

図2. 複合スケーリングによってモデルの幅、深さ、画像解像度が拡大します（出典）

EfficientNetアーキテクチャ#

次に、EfficientNetのアーキテクチャを見ていきましょう。

EfficientNetは、モバイルデバイスや組み込みデバイス向けに最適化された軽量のコンピュータービジョンモデル、MobileNetV2を基盤としています。その中核となるのは、Mobile Inverted Bottleneck Convolution（MBConv）ブロックです。これは、標準的な畳み込みと同様に画像データを処理しながら、計算量を抑える特殊な層です。このブロックにより、モデルの高速化とメモリ効率の向上を実現しています。

各MBConvブロックには、スクイーズ・アンド・エキサイテーション（SE）モジュールが含まれています。このモジュールは、ネットワーク内の各チャネルの強度を調整します。重要なチャネルを強め、その他のチャネルを弱めます。これにより、ネットワークは画像内の重要な特徴に集中し、ほかの特徴を無視できます。EfficientNetモデルは、Swish活性化関数（ネットワークのパターン学習を支援する数学関数）も使用しており、従来の手法よりも画像内のパターンを見つけやすくします。

さらに、ネットワーク内の一部の接続を学習中にランダムに無効化するDropConnectも使用します。この確率的正則化手法（モデルが学習データを記憶するのではなく汎化できるようにするランダム化手法）は、ネットワークにより堅牢な特徴表現（データ内のより強く、汎用性の高いパターン）を学習させます。これにより過学習が抑えられ、未知のデータにもより適切に対応できます。

図3. EfficientNet-B0のアーキテクチャ（出典）

EfficientNetのモデルバリエーションの概要#

EfficientNetモデルの仕組みが分かったところで、さまざまなモデルバリエーションについて見ていきましょう。

EfficientNetモデルはB0からB7まであり、速度と正確度のバランスを取ったベースラインのB0から始まります。バージョンが上がるごとに深さ、幅、画像解像度が増し、正確度が向上します。一方、B1やB2から高性能なB6やB7に至るまで、より多くの計算能力が必要になります。

EfficientNet-B3とEfficientNet-B4は大きな画像に対してバランスの取れたモデルですが、精度が求められる複雑なデータセットではB5がよく選ばれます。さらに後継モデルのEfficientNetV2は、より高速に学習でき、パラメーター効率にも優れています。

EfficientNetの用途#

EfficientNetは、多くの他のモデルよりも少ないメモリと処理能力で高精度な結果を生成できます。そのため、科学研究から日常的に使用する製品まで、さまざまな分野で役立ちます。

医療画像解析#

肺のCTスキャンなどの医療画像には、正確な診断に欠かせない微細な特徴が含まれていることがよくあります。AIモデルを使ってこうした画像の解析を支援することで、人間には見つけにくいパターンを明らかにできます。この用途向けにEfficientNetを応用したものの一つがMONAI（AI向け医療オープンネットワーク）EfficientNetで、医療画像解析専用に設計されています。

EfficientNetのアーキテクチャを基盤として、研究者は肺のCTスキャンを分類し、腫瘍を検出するモデルLung-EffNetも開発しました。スキャンを良性、悪性、正常に分類でき、実験環境で99%を超える精度が報告されています。

図4. Lung-EffNetを使用した腫瘍の画像分類（出典）

リアルタイム物体検出#

物体検出とは、画像内の物体を見つけて位置を特定する処理です。セキュリティシステム、自動運転車、ドローンなどのアプリケーションで重要な役割を果たします。

EfficientNetがこの分野で重要になったのは、画像から特徴を非常に効率よく抽出できる方法を提供したためです。深さ、幅、解像度を拡大する手法によって、モデルを過度に大規模化・低速化せずに正確度を高められることが示されました。そのため、EfficientDetなど、多くの検出システムがEfficientNetをバックボーンとして使用しています。

Ultralytics YOLO11などの新しいモデルも、速度と正確度の両立を目指しています。効率的なモデルを重視するこの流れは、EfficientNetのようなアーキテクチャのアイデアに強く影響を受けています。

EfficientNetの長所と短所#

コンピュータービジョンプロジェクトでEfficientNetを使用する主な利点を紹介します。

• 少ないパラメーターで高い正確度： EfficientNetは、ResNetやDenseNetなどの従来モデルと同等かそれ以上の正確度を実現できます。一方、使用するパラメーターが少ないため、学習が速く、デプロイも容易です。
• 拡張可能なモデルファミリー： B0からB7までの中から、ベースラインネットワークを変更することなく、ハードウェアや求める精度に合ったバージョンを選択できます。
• 転移学習に適しています：EfficientNetは、事前学習済みモデルをカスタムタスク向けに再学習するプロセスである転移学習において、安定した性能を発揮できます。さまざまなコンピュータービジョンタスクのバックボーンとして利用できます。また、ファインチューニングでも優れた結果を示しています。たとえば、広く使われている画像分類データセットCIFAR-100で、従来モデルより大幅に少ないパラメーター数で最先端の精度を達成しました。

EfficientNetの使用には多くの利点がありますが、留意すべき制限事項もあります。

• より多くのメモリが必要： EfficientNet-B6やEfficientNet-B7などのバージョンでは、大量のGPUメモリが必要です。
• ImageNet向けに調整されたスケーリング： スケーリング設定はImageNetデータセット向けに設計されているため、ファインチューニングを行わないと、特性が大きく異なるデータセットでは性能が低下する可能性があります。これは特に小規模データセットで顕著です。EfficientNetのアーキテクチャとスケーリングは、深さと幅を十分に活用できるだけのデータを持つImageNetのような大規模で多様なデータセットを前提に設計されているためです。
• 一部のハードウェアでは低速： EfficientNetは、最新ハードウェアで効率よく動作するように設計されたMBConvと呼ばれる層を使用します。旧世代のGPUやCPUでは、これらの層の処理速度が遅くなる場合があります。

重要なポイント#

EfficientNetは深さ、幅、画像解像度のバランスを保つことで、コンピュータービジョンモデルの拡張方法を変えました。今も重要なモデルであり、新しいアーキテクチャにも影響を与えています。特に、コンピュータービジョンの歴史において重要な位置を占めています。

コミュニティやGitHubリポジトリに参加して、AIについてさらに詳しく見てみましょう。ソリューションページでは、ヘルスケアにおけるAIや自動車分野のコンピュータービジョンをご覧いただけます。ライセンスの選択肢を確認して、今すぐコンピュータービジョンの開発を始めましょう！