Skip to the content.

最終更新日:2026年9月24日

まず結論

プーリング(Pooling)は、特徴マップの局所領域を代表値でまとめ、空間サイズを縮小する処理です。

代表例は、

  • Max Pooling → 最大値
  • Average Pooling → 平均値

です。

通常、学習可能な重みを持たない固定処理として使われます。

直感的な説明

細かな位置情報を少し捨てて、局所領域の特徴をまとめるイメージです。

たとえば2×2領域を1値にすると、

  • Max Pooling → 最も大きい値
  • Average Pooling → 4値の平均

を残します。

定義・仕組み

Max Pooling

局所領域の最大値を出力します。

強く反応した特徴を残す代表的な方法です。

Average Pooling

局所領域の平均値を出力します。

領域全体の平均的な反応を残します。

空間サイズ

カーネルサイズとストライドによって、出力の高さ・幅が小さくなることがあります。

その結果、

  • 後段の計算量を減らす
  • 細かな位置変化への感度を弱める

効果が得られます。

ただし、

プーリングを入れると完全な平行移動不変性が得られる

とは言いません。

小さな位置変化に対して表現が変わりにくくなる場合がある、と整理します。

いつ使う?(得意・不得意)

CNNで空間サイズを縮小したい場合に使われます。

一方、現在のCNNでは、

  • ストライド付き畳み込み
  • Global Average Pooling

など別の縮小方法も使われます。

したがって、

Max PoolingがすべてのCNNで必須

ではありません。

G検定ひっかけポイント

プーリング=学習する層?

❌ 通常のMax/Average Poolingに学習パラメータがある
⭕ 代表的には固定処理

完全な不変性?

❌ 位置がどれだけ変わっても出力が同じ
⭕ 小さな位置変化への感度を弱めることがある

MaxとAverage

  • 最大値 → Max Pooling
  • 平均値 → Average Pooling

まとめ(試験直前用)

  • Pooling=局所領域を要約
  • Max=最大値
  • Average=平均値
  • 空間サイズ縮小に利用
  • 通常は学習パラメータを持たない
  • 完全な平行移動不変性とは言わない
  • Max Poolingは必須ではない

© 2024-2026 stemtazoo. All rights reserved.