DS検定トップ ＞ プーリング（Pooling）とは？CNNで重要な特徴抽出の圧縮処理【DS検定】

まず結論

プーリング（Pooling）とは、CNNで特徴マップ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、次の違いを押さえると選択肢を切りやすくなります。

処理	主な役割
畳み込み	特徴を抽出する
プーリング	特徴マップを圧縮する

直感的な説明

猫の画像を認識するとき、すべてのピクセルをそのまま覚える必要はありません。

重要なのは、例えば次のような特徴です。

• 耳の形
• 目の位置
• 体の輪郭

CNNでも、細かい情報をすべて残すのではなく、重要な特徴を残しながら情報量を減らす処理を行います。これがプーリングです。

定義・仕組み

プーリングは、特徴マップの小さな領域を1つの代表値にまとめます。

Max Pooling

領域の最大値を残します。

例えば、

2 3
5 1

なら、最大値の 5 を代表値として使います。

強く反応した特徴を残すイメージです。

Average Pooling

領域の平均値を使います。

同じ例なら、

(2 + 3 + 5 + 1) / 4 = 2.75

となります。

CNNでの位置づけ

CNNでは、典型的には次のように処理が続きます。

1. 畳み込みで特徴を抽出する
2. プーリングで特徴マップを小さくする
3. 必要に応じてこの処理を繰り返す

どんな場面で使う？

プーリングには主に次の役割があります。

計算量を減らす

特徴マップを小さくすることで、後段の計算量を抑えます。

小さな位置ずれの影響を抑える

近い領域をまとめることで、特徴の位置が少しずれても影響を受けにくくなります。

重要な特徴を残す

Max Poolingでは、領域内の強い反応を代表値として残せます。

よくある誤解・混同

❌ プーリング = 畳み込み

違います。

• 畳み込み：特徴抽出
• プーリング：情報圧縮

❌ プーリングは必ず平均を取る

違います。代表的なのは次の2つです。

方法	代表値
Max Pooling	最大値
Average Pooling	平均値

❌ プーリングで新しい特徴を学習する

基本的なMax PoolingやAverage Poolingでは、畳み込みのように学習する重みを持ちません。

まとめ（試験直前用）

• プーリング = 特徴マップの圧縮
• Max Pooling = 最大値を残す
• Average Pooling = 平均値を使う
• 畳み込み = 特徴抽出
• プーリング = 計算量削減・位置ずれへの頑健性・情報圧縮

DS検定では、「特徴を抽出するのか、圧縮するのか」で畳み込みと切り分けます。

🔗 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学習データの品質を決める作業【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】

---

🏠 DS検定トップに戻る