最大値プーリングと平均値プーリングの理解
問題
最大値プーリング(Max Pooling)と平均値プーリング(Average Pooling)について、正しい記述を1つ選べ。
解説
プーリング層の代表的な計算方法には「最大値プーリング(Max Pooling)」と「平均値プーリング(Average Pooling)」があります。画像認識(CNN)で一般的に使われるのは「最大値プーリング」です。
これは指定した領域(例:2×2)の中から「一番大きな値」だけを抽出するため、エッジ(輪郭)やテクスチャなど、畳み込み層が強く反応した「一番目立つ特徴」を鮮明に残しながら画像を縮小することができます。
1. 最大値プーリングは、領域内の値の平均を取り、ノイズを減らす効果がある。
誤り:領域内の値の「平均」を取り、情報をなめらかにしてノイズを減らす効果があるのは「平均値プーリング(Average Pooling)」です。
2. 平均値プーリングは、領域内の最も大きな値だけを残すため、エッジなどの強い特徴を強調する。
誤り:領域内の「最も大きな値」だけを残すのは「最大値プーリング(Max Pooling)」の特徴です。
3. 最大値プーリングは、領域内で最も強い特徴を残すため、物体の輪郭などを強調しやすい。
正しい:最大値プーリング(Max Pooling)は、受容野の中で最も強く発火した(値の大きい)ピクセルを選ぶため、エッジや角といった明確な特徴を保持しやすくなります。
4. 平均値プーリングは、特徴マップのサイズを維持しながら情報を圧縮する。
誤り:平均値プーリングであっても最大値プーリングであっても、プーリング処理の主な目的は特徴マップの空間サイズ(解像度)を「縮小(ダウンサンプリング)」することです。
📚 より詳細を学びたい方へ
同じカテゴリの問題
- TPUの理解
- ノーフリーランチの定理の理解
- 全結合層の特徴に関する問題
- 全結合層のパラメータ数に関する問題
- 畳み込み層の役割に関する問題
- カーネル(フィルタ)の理解
- パディングの目的
- 特徴マップの理解
- CNNの構造に関する問題
- Depthwise Separable Convolution
- Dilation Convolution の理解
- 全結合層と畳み込み層の違い
- バッチ正規化(Batch Normalization)の理解
- 正規化層の役割に関する問題
- プーリング層の役割に関する問題
- 最大値プーリングと平均値プーリングの理解
- グローバルアベレージプーリング(GAP)の特徴
- スキップ結合の役割に関する問題
- Residual Network(ResNet)の特徴
- 回帰結合層の理解
- RNNの特徴に関する問題
- LSTMのゲート構造
- GRUの特徴に関する問題
- 双方向RNNの理解
- Attentionの役割に関する問題
- Self-Attentionの特徴
- Multi-Head Attentionの理解
- Transformerの構造に関する問題
- Encoder-Decoder Attentionの理解
- Seq2SeqとAttentionの関係
- オートエンコーダの基本理解
- 積層オートエンコーダの特徴
- 次元削減とオートエンコーダ
- 変分オートエンコーダ(VAE)の理解
- データ拡張の基本理解
- 画像データ拡張手法の理解
- テキストデータの拡張手法


