VGGは、オックスフォード大学の研究チームが開発した代表的な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。3×3の小規模な畳み込みフィルタを重ねて層を深める構造が特徴であり、転移学習や画風変換などの画像処理タスクで広く利用されています。
VGGとは
VGGとは、オックスフォード大学の研究チーム（Visual Geometry Group）が開発した、非常に深い層を持つ畳み込みニューラルネットワーク（CNN）の代表的なアーキテクチャです。
詳しく解説
VGGは2014年の画像認識コンテスト「ILSVRC」で高い成績を収めたことで注目を集めました。最大の特長は、大きな受容野を持つ大きなフィルタを使わず、3×3の非常に小さな畳み込みフィルタを複数重ねてネットワークを深くした点にあります。これによりパラメータ数を抑えつつ非線形性を高めることに成功しました。代表的な構成として16層のVGG16や19層のVGG19があります。画像特徴量の抽出能力に優れており、事前学習済みモデルとして転移学習や画風変換などの様々なコンピュータビジョンタスクのベースラインとして広く活用されています。
具体例・使われ方
画像分類モデルのベースラインとしての利用や、モデルの事前学習済み重みを活用した転移学習があります。また、画像同士のスタイル（画風）とコンテンツを分離・合成するStyle Transfer（画風変換）における特徴抽出器としても頻繁に用いられます。
似た用語との違い
ResNetとの違いは、VGGが純粋に層を深く重ねる単純な直列構造であるのに対し、ResNetはスキップ接続（残差接続）を導入して勾配消失問題を回避し、100層を超えるより深いネットワークを実現している点です。また、AlexNetと比較すると、VGGはより小さなフィルタサイズを多層化して精度を向上させています。
注意点
VGGはシンプルな構造で扱いやすい反面、全結合層に起因するパラメータ数が非常に大きく、メモリ消費量や計算コストが高いという問題があります。そのため、リソースが制限されたモバイル端末やリアルタイム処理には不向きであり、近年ではより軽量で高精度なResNetやEfficientNetなどに置き換わることが多いです。