---
title: "CNNの畳み込み層の出力サイズ"
description: "CNNの畳み込み層の出力サイズについて、G検定で問われる画像認識・CNN分野の観点から、画像タスクでの役割、特徴抽出の流れ、代表モデルとの関係を整理します。暗記だけでなく、似た概念との混同を避ける見分け方や、選択肢を切るためのポイントも確認します。"
canonical_url: "https://stemtazoo.github.io/gk/cnn-output-size/"
section: "gk"
---

## まず結論

* **畳み込み層の出力サイズは計算式で求められる**
* パディング・カーネルサイズ・ストライドを必ず考慮する
* G検定では「数値をそのまま代入する問題」が頻出

---

## 直感的な説明

畳み込み層の出力サイズは、

> どれだけ周りを埋めて（パディング）
> どれくらいの大きさの窓（カーネル）を
> どの間隔で動かすか（ストライド）

で決まります。

感覚的には、

* パディング：画像を大きくする
* カーネル：一度に見る範囲
* ストライド：飛ばしながら見る間隔

この **3つのバランス** で出力サイズが決まります。

---

## 定義・計算式

### 出力サイズの基本式

**1次元（縦・横それぞれ同じ計算）**

```
出力サイズ = (入力サイズ + 2×パディング − カーネルサイズ) ÷ ストライド + 1
```

※ 割り算は **必ず割り切れる** 形で問題が出ます。

---

## 今回の演習問題をそのまま解く

### 条件

* 入力サイズ：11 × 11
* パディング：2
* カーネルサイズ：3 × 3
* ストライド：2

---

### 計算

```
(11 + 2×2 − 3) ÷ 2 + 1
= (11 + 4 − 3) ÷ 2 + 1
= 12 ÷ 2 + 1
= 6 + 1
= 7
```

---

### 結果

* **出力サイズ：7 × 7**
* 正解は **7**

---

## よくある間違いポイント（G検定ひっかけ）

* ❌ パディングを片側分（+2）しか足さない
* ❌ ストライドを掛け算で考える
* ❌ 「+1」を忘れる
* ❌ 出力サイズ＝入力サイズ − カーネルサイズ と単純化する

👉 **式を丸暗記して代入するのが最短ルート**

---

## 試験での位置づけ

* CNNの基礎理解問題
* 計算問題として **ほぼ毎回出題候補**
* 深層学習の中でも **点を取りやすい分野**

---

## まとめ（試験直前用）

* 出力サイズは **決まった式** で求める
* パディングは **2倍**
* 最後の **+1 を忘れない**
* G検定では **落ち着いて代入**