最終更新日:2026年9月24日
gk neural_network cnn pooling
まず結論
Global Average Pooling(GAP)は、各特徴マップについて空間方向全体の平均を1つの値へまとめる処理です。
高さ×幅×チャネルの特徴マップを、
1×1×チャネル
のような表現へ縮約します。
直感的な説明
各チャネルについて、
この特徴が画像全体で平均してどれくらい強く出たか?
を1つの値にまとめるイメージです。
局所的なAverage Poolingと違い、特徴マップ全体を平均します。
定義・仕組み
入力が H×W×C なら、各チャネルについてH×Wの平均を計算し、C個の値を出力します。
全結合層との関係
GAPを分類器の直前に置くことで、Flatten+大きな全結合層を減らし、パラメータ数を抑える設計があります。
ただし、
GAPを使えば必ず全結合層を一切使わない
とは限りません。
GAPの後に線形層を置く構成も一般的です。
クラス数との関係
初期のCAMのような設計では、最終畳み込み特徴とクラス分類の関係を利用します。
しかし、
GAPの入力チャネル数は必ずクラス数と同じ
という条件はありません。
GAPは単に各チャネルを1値へ要約する演算として幅広く使えます。
いつ使う?(得意・不得意)
- CNNの分類ヘッド
- 空間特徴を固定長ベクトルへ変換
- パラメータ数を減らしたい構成
- CAM系の説明
などで登場します。
セグメンテーションでGAPを使うモデルもあるため、
GAPはセグメンテーションに使えない
とは言いません。
G検定ひっかけポイント
GAP=局所Average Pooling?
❌ 小さな2×2領域だけを平均
⭕ 各特徴マップ全体を平均
チャネル数=クラス数?
❌ 必須
⭕ GAP自体にはその条件はない
全結合層
❌ GAPと全結合層は絶対に併用できない
⭕ GAP後に線形分類層を置く構成もある
まとめ(試験直前用)
- GAP=特徴マップ全体の平均
- 各チャネルを1値へ
- パラメータ削減に役立つ
- 分類ヘッドでよく使う
- CAMとの関係がある
- チャネル数=クラス数は必須ではない