CNN（畳み込みニューラルネットワーク）の層数設計は、「経験則だけで決めると失敗しやすいが、理論だけでも決めきれない」という難しさがあります。
本記事では、誤解されやすいポイントを修正しながら、実務で再現性の高い考え方に整理して解説します。
CNNにおける「層数」とは何を指すのか
まず前提として、CNNの「層数」は文脈によって意味が変わります。
- 畳み込み層（Convolution Layer）の数
- Conv＋BN＋ReLU などをまとめたブロック数
- 全結合層を含めた総層数
- ResNetのようなResidual Blockを1層と数えるかどうか
実務で議論されることが多いのは、
畳み込み層、または畳み込みブロックの深さ
です。
なお、ResNet18 / 50 などの数字も、「何を1層と数えるか」は論文や実装によって多少の揺れがあります。
そのため 層数そのものを絶対値として比較するのは適切ではない、という点は常に意識する必要があります。
なぜ層数が重要なのか（基本的な考え方）
CNNは階層的に特徴を学習する
CNNは一般に、層が深くなるにつれて抽象度の高い特徴を学習します。
- 浅い層：エッジ、線、角などの局所的特徴
- 中間層：模様、テクスチャ、パーツ
- 深い層：物体や意味的な構造
これはあくまで傾向であり、データセットやアーキテクチャによって例外もありますが、「層数＝表現できる抽象度の深さ」という理解は現在でも有効です。
層数が少なすぎる場合
- 表現力が不足し、複雑なパターンを捉えられない
- 学習誤差・検証誤差ともに下がらない（アンダーフィッティング）
層数が多すぎる場合
- 過学習のリスク増大
- 学習時間・計算コストの増加
- 設計やハイパーパラメータ調整が難しくなる
なお、近年は Batch Normalization や Residual Connection により、「深い＝学習不能」ではなくなっている点も重要です。
層数を決めるための主要な判断軸
タスクの性質・難易度
| タスク例 | 一般的な傾向 |
|---|---|
| 手書き数字認識 | 浅いモデルで十分 |
| 小規模物体分類 | 中程度の深さ |
| 高度な物体認識 | 深いモデルが有利 |
単純な形状認識では深さは不要ですが、意味理解に近づくほど深さの恩恵が出やすくなります。
入力画像の解像度
高解像度画像では、空間サイズを段階的に縮小する必要があります。
- その結果として 層が深くなりやすい
- ただし、strideを大きく取る・初段で強くダウンサンプリングするなど、
必ずしも層数を増やす必要はない設計も可能
重要なのは「層数」そのものより、どのように解像度を落としていくかです。
データ量（特にスクラッチ学習かどうか）
ここは非常に重要なポイントです。
- スクラッチ学習 × データ少
→ 深いCNNは過学習しやすい - 転移学習あり × データ少
→ むしろ深い事前学習モデルが有利な場合が多い
したがって、
「データが少ないから深いモデルはダメ」
というのは不正確で、正しくは
「スクラッチで学習する場合、データ量に対して深すぎるモデルは危険」
となります。
アーキテクチャと正則化手法
以下があるほど、深いモデルを安定して使えます。
- Batch Normalization
- Residual Connection（ResNet系）
- 適切な初期化（He初期化など）
- Data Augmentation
- Weight Decay / Dropout / Label Smoothing
特に Residual Connection の有無は、「設計可能な深さの範囲」を大きく広げます。
計算資源・推論速度の制約
実務では性能だけでなく、
- 推論レイテンシ
- GPU / CPU / モバイル端末対応
- メモリ使用量
も重要です。
そのため「精度が少し下がっても軽量モデルを選ぶ」判断も十分に合理的です。
実務で現実的な層数の決め方
方法①：既存のバックボーンを基準にする（最も堅実）
ゼロから層数を決めるよりも、
- ResNet18 / 34 / 50
- MobileNet
- EfficientNet
- ConvNeXt 系
など、実績のあるモデルを起点にする方が失敗が少なくなります。
方法②：まず浅め → 足りなければ拡張
- 軽めのモデルで学習
- 学習曲線を確認
- アンダーフィットなら容量を増やす
（深さだけでなく幅・解像度・正則化も含めて検討）
この反復が最も実務的です。
方法③：Convブロック単位で考える
層を1枚ずつ考えるより、
[Conv + BN + ReLU] × N
→ Downsampleという ブロック単位で深さを調整する方が設計しやすくなります。
層数の目安についての正しい捉え方
「◯層が正解」という絶対的な基準はありません。
- 小規模タスク：浅いモデルで十分な場合が多い
- 中〜大規模タスク：深い事前学習モデルが主流
- 重要なのは 深さ単体ではなくモデル全体の容量と設計
層数はあくまで調整ノブの一つです。
結論：CNNの層数はこう考える
- 層数は「多いほど良い」わけではない
- 転移学習が使えるかどうかが最大の分岐点
- まずは 既存モデルを基準にする
- 深さだけでなく 幅・正則化・ダウンサンプリング設計も同時に考える
最終的には、
「データ条件と制約の中で、最も安定して性能が出る構成」
を選ぶことが、正しい層数設計と言えます。
以上、CNNの層数の決め方についてでした。
最後までお読みいただき、ありがとうございました。
