EfficientNet（エフィシェントネット）は、Googleの研究者によって提案された、高い画像認識精度と優れた計算効率を両立する畳み込みニューラルネットワーク（CNN）のアーキテクチャです。モデルの深さ、幅、入力画像の解像度の3つの要素をバランスよく同時にスケールアップする「複合スケーリング」という新しい手法を導入した点が最大の特徴です。
EfficientNetとは
EfficientNetは、Googleが2019年に発表した、画像の分類や特徴抽出を行うための畳み込みニューラルネットワーク（CNN）のモデル群です。従来のモデルよりも格段に少ないパラメータ数と計算量でありながら、当時の画像認識タスクにおいて世界最高水準の精度を達成したことで、高効率なディープラーニングの代表的なアプローチとして広く認知されています。
詳しく解説
ディープラーニングによる画像認識モデルの精度を高める際、従来は「モデルの層を深くする（深さ）」、「チャンネル数を増やす（幅）」、「入力画像の解像度を上げる（解像度）」という3つのアプローチが個別に試されていました。しかし、これらを単独で拡大しても、ある段階から精度の伸びが頭打ちになり、計算効率が極端に悪化するという課題がありました。EfficientNetの画期的な点は、「複合スケーリング（Compound Scaling）」という手法を提案したことです。これは、深さ・幅・解像度の3つの要素を、一定の数学的な比率に基づいて同時に、かつバランスよく拡張するアプローチです。これにより、計算資源の増加に対して最も効率よくモデルの表現力を高めることが可能になりました。また、モバイル向けに最適化された軽量なニューラルネットワーク構造であるMobileNetV2のブロックを基礎として採用し、ニューラルアーキテクチャ探索（NAS）を用いて基本モデルを設計しているため、基本的な構造自体も非常に最適化されています。
具体例・使われ方
EfficientNetは、画像認識を伴うあらゆるアプリケーションで活用されています。1. スマートフォンのアプリ：モバイル端末のような限られた計算資源の上でも高速に動作するため、スマートフォンのカメラアプリによる被写体自動判別や、拡張現実（AR）フィルターのリアルタイム処理に組み込まれています。2. 医療画像の診断支援：CTスキャンやX線写真から病変を特定する医療AIにおいて、限られたデータと計算リソースで高い識別精度を実現するために基礎モデルとして採用されます。3. 自動運転：車載カメラからリアルタイムで信号機、歩行者、障害物などを検知する自動運転システムの視覚認識モジュールに利用されています。
似た用語との違い
EfficientNetと混同されやすい概念として、「ResNet」や「MobileNet」が挙げられます。ResNetは、初期の代表的な畳み込みニューラルネットワーク（CNN）であり、残差接続を導入して「モデルの深さ」を追求することで精度を向上させました。しかし、EfficientNetのように幅や解像度を最適化した複合スケーリングは行っておらず、同じ精度を達成しようとするとEfficientNetよりも遥かに多くのパラメータ数と計算時間が必要になります。MobileNetは、モバイル端末などの軽量デバイス向けに特化したモデルです。MobileNetはパラメータの削減と高速化を最優先に設計されていますが、EfficientNetはMobileNetの技術を取り入れつつも、計算効率と画像認識精度の両方を極限まで追求した、より汎用的なスケーリングモデルという位置づけになります。
注意点
EfficientNetは優れたモデルですが、利用時には以下の点に注意が必要です。1. 入力画像のサイズ：複合スケーリングの設計上、モデルのバージョン（B0からB7など）ごとに最適な入力解像度が決まっています。これを無視して異なる解像度を入力すると、期待したほどのパフォーマンスが得られないことがあります。2. メモリ使用量のスパイク：パラメータ数は従来のCNNに比べて大幅に削減されていますが、モデルの幅や解像度を大きくした高解像度のバリエーションでは、訓練時や推論時に一時的に大量のGPUメモリを消費することがあります。3. 推論速度の実値：理論上の計算量が少なくても、ハードウェアのアーキテクチャによっては、メモリ帯域幅などのボトルネックにより、単純なモデルに比べて期待したほどの推論速度の向上が実感できない場合があります。