4 views
最大プーリングとは、畳み込みニューラルネットワークにおいて特徴マップの解像度を下げ、主要な特徴を抽出するダウンサンプリング手法の一つです。領域内の最大値を選択することで、位置のわずかな変化に対する頑健性を高め、計算量を削減します。
最大プーリングとは
最大プーリングとは、畳み込みニューラルネットワークにおいて、入力データの領域内から最大の値を取り出すことで画像の縮小と特徴強調を行う操作です。
詳しく解説
畳み込み層で抽出された特徴マップに対して、一定のサイズを持つウィンドウをスライドさせながら、その窓枠内のピクセルにおける最大値を選択して新しいマップを作成します。これにより、データ全体のサイズが小さくなり、後続の層での演算量を大幅に削減できます。また、特徴の細かい位置のズレに対してモデルが影響を受けにくくなるため、画像認識などのタスクにおいて汎化性能を高める重要な役割を果たします。
具体例・使われ方
2x2の領域に「1, 3, 2, 4」という数値が入っている場合、最大プーリングを適用すると最大値である「4」だけが抽出され、次の層へと送られます。これにより、猫の耳の画像が少し右にズレていても、同じように耳の特徴として検出できるようになります。
似た用語との違い
平均プーリングとの違いとして、平均プーリングは領域内のすべての値の平均を計算するのに対し、最大プーリングは最も強い特徴（最大値）のみを抽出し、背景のノイズを無視しやすいという特徴があります。そのため、画像認識では最大プーリングが一般的に多く使われます。
注意点
最大の値だけを選択して他の情報を完全に切り捨てるため、細かな位置関係のデータや背景の微細な情報が失われるというデメリットがあります。そのため、すべてのタスクにおいて常に最良の結果が得られるわけではありません。
この解説は役に立ちましたか？誤りが含まれる場合はご報告いただけますと幸いです。
更新日時: 2026年8月30日 23:11