私たちは、対称性を利用することでサンプル複雑さを低減するGroup equivariant Convolutional Neural Networks（G-CNNs）を紹介します。G-CNNsは、従来の畳み込み層よりも大幅に重み共有度が高まる新しい層であるG-畳み込み（G-convolutions）を使用します。G-畳み込みは、パラメータ数を増やさずにネットワークの表現能力を向上させます。グループ畳み込み層は使いやすく、離散群（翻訳、反射、回転によって生成される群）に対して微少な計算オーバーヘッドで実装できます。G-CNNsはCIFAR10と回転MNISTにおいて最先端の結果を達成しています。