全結合層と畳み込み層の違い

問題

全結合層と畳み込み層の違いについて、以下の記述のうち誤りを1つ選べ。

画像認識モデル（CNN）において、全結合層と畳み込み層は役割が明確に異なります。

畳み込み層は、カーネル（フィルタ）を用いて画像の「一部分（局所）」をスキャンし、ピクセル間の「空間的な位置関係（縦・横のつながり）」を保ったまま特徴（エッジや模様など）を抽出します。

一方、全結合層は画像を1列のデータに平坦化（Flatten）してすべてのノードを接続するため、空間的な位置情報は完全に失われますが、抽出された特徴を元に最終的な分類（犬か猫か等）を行うのに適しています。

1. 全結合層は位置情報を考慮しない。

正しい：全結合層は入力された2次元画像を1次元のベクトルに平坦化して処理するため、元のピクセルの空間的な位置関係は考慮されません。

2. 畳み込み層は位置関係を考慮して特徴を抽出する。

正しい：畳み込み層は2次元のままカーネルをスライドさせて計算するため、ピクセル同士の縦横の位置関係を保持して特徴を抽出します。

3. 全結合層は画像の局所的特徴を抽出するために使われる。

誤り：画像の一部から「局所的な特徴（エッジや角など）」を抽出するのは、カーネルを用いる「畳み込み層」の役割です。全結合層は全体の特徴を統合して判断を下します。

4. 畳み込み層はカーネルを使って特徴を抽出する。

正しい：畳み込み層は、小さな重み行列である「カーネル（フィルタ）」を用いて入力データと積和演算を行い、特徴マップを生成します。

← 前の問題次の問題 →

📚 より詳細を学びたい方へ