ds modeling
まず結論
プーリング（Pooling）とは、CNNで特徴マップのサイズを小さくしながら重要な特徴を残す処理です。
DS検定では
CNNの構成要素
畳み込みとの役割の違い
を理解しているかが問われることがあります。
直感的な説明
画像を見るとき、人は細かい情報すべてを使って判断しているわけではありません。
例えば猫の写真を見たとき
耳の形
目の位置
体の輪郭
などの 重要な特徴 を見て判断しています。
細かいピクセル情報すべてを覚えているわけではありません。
CNNでも同じで
重要な特徴だけを残して情報を圧縮する処理
が必要になります。
この処理が プーリング です。
定義・仕組み
プーリングとは
特徴マップのサイズを小さくしながら特徴を残す処理
です。
CNNでは
-
畳み込み
-
プーリング
を繰り返して
画像の特徴を抽出していきます。
代表的なプーリング
Max Pooling
最もよく使われる方法です。
例
2 3 5 1
この領域の最大値
5
を代表値として使います。
つまり
一番強い特徴を残す方法です。
Average Pooling
領域の平均値を取る方法です。
2 3 5 1
平均
(2+3+5+1)/4
平均値を使うことで
特徴を滑らかにまとめます。
どんな場面で使う？
プーリングは
CNNの中で特徴マップを整理する役割を持ちます。
主な目的は次の3つです。
計算量を減らす
画像サイズを小さくすることで
AIの計算量を減らします。
ノイズの影響を減らす
小さな変化に影響されにくくなります。
例えば
少し位置がずれた
少し明るさが変わった
といった変化に強くなります。
重要な特徴を残す
最大値などを使うことで
特徴の強い部分を残します。
よくある誤解・混同
誤解①
プーリング＝畳み込み
これは誤りです。
畳み込み
→ 特徴を抽出する
プーリング
→ 特徴を圧縮する
という違いがあります。
誤解②
プーリングは必ず平均を使う
現在のCNNでは
Max Pooling
が最もよく使われます。
DS検定のひっかけ
DS検定では
畳み込み
プーリング
の役割の違いを問う問題が出ることがあります。
整理すると
畳み込み
→ 特徴抽出
プーリング
→ 情報圧縮
です。
まとめ（試験直前用）
プーリングは CNNで特徴マップを小さくする処理
主な目的
計算量削減
ノイズ耐性
重要特徴の保持
代表例
Max Pooling
Average Pooling
DS検定では
畳み込み＝特徴抽出 プーリング＝情報圧縮
と覚えると判断しやすくなります。
対応スキル項目（AI利活用スキルシート）
スキルカテゴリ名 AIの技術理解
サブカテゴリ名 機械学習
★ 代表的な機械学習手法の概要を理解している
🔗 関連記事
- 中間層で使用される活性化関数とは？（ReLU・シグモイド・ソフトマックスの違い）【DS検定】
- アノテーションとは？（AI学習データを作る重要な作業）【DS検定】
- Aprioriアルゴリズムとは？（アソシエーション分析の基本手法）【DS検定】
- アソシエーション分析とは？購買データの関係性を見つける分析【DS検定】
- 共起頻度・支持度・信頼度・リフト値の違いとは？【DS検定】