平均プーリングは、畳み込みニューラルネットワークにおいて領域内の特徴量の平均値を計算し、データサイズを縮小する処理です。情報の急激な変化を和らげながら、計算量を削減するために用いられます。
平均プーリングとは
一言でいうと、平均プーリングとは、画像や特徴マップの一定領域内にある数値の平均を計算し、全体の解像度を下げてデータをコンパクトにする手法です。
詳しく解説
平均プーリングは、畳み込みニューラルネットワーク（CNN）の中で、畳み込み層の出力に対して適用されるプーリング処理の一種です。指定されたウィンドウサイズ内の数値を平均化することで、特徴マップのサイズを縮小します。これにより、ネットワーク全体のパラメータ数や計算量が削減され、過学習を防ぐ効果が得られます。また、画像内の対象物の位置が少しずれても、平均値を用いることでロバスト性を維持することができます。古くから画像認識モデルなどで広く活用されてきた基本的な技術です。
具体例・使われ方
例えば、2×2の領域を持つ平均プーリングを考える場合、4つの画素値が入力されると、それらの合計を4で割った平均値を新しい1画素のデータとして出力します。これにより、画像の縦横のサイズがそれぞれ半分になり、全体のデータ量が4分の1に圧縮されます。
似た用語との違い
最大プーリングとの違いとして、最大プーリングが領域内の最も強い特徴（最大値）を抽出するのに対し、平均プーリングは領域内の特徴の平均的な傾向を滑らかに抽出します。そのため、背景を含む全体の情報を緩やかに保持したい場合に適しています。
注意点
平均プーリングの注意点として、細かな輪郭や際立ったエッジ情報がぼやけてしまう傾向がある点が挙げられます。そのため、強力な特徴をくっきりと抽出したい場合には適さないことがあり、タスクやレイヤーの目的に応じて最大プーリング等と使い分ける必要があります。