マックスプーリングは、畳み込みニューラルネットワーク（CNN）において、画像などの特徴マップの空間サイズを縮小するためのダウンサンプリング手法です。領域内の最大値を選択することで、重要な特徴を保持しつつ計算量を削減します。
マックスプーリングとは
マックスプーリングとは、入力されたテンソルの指定した領域内から最大値のみを抽出して出力し、データの解像度（サイズ）を小さくする演算処理のことです。
詳しく解説
深層学習の画像認識モデルにおいて、CNNの畳み込み層の直後に配置されることが一般的です。一定のウィンドウ（例えば2x2画素）を動かしながら、その中の画素の最大値を取り出して新しい小さなマップを生成します。これにより、画像全体の位置のわずかな変化に対するロバスト性が高まり、過学習を抑制する効果や、次層以降の計算コストを大幅に削減する重要な役割を担っています。
具体例・使われ方
2x2の領域に「1, 3, 2, 8」という数値（ピクセルの輝度や特徴量）があった場合、マックスプーリングを適用すると最大値である「8」のみが抽出され、データ量が4分の1に圧縮されます。これが画像全体の各領域で並行して行われます。
似た用語との違い
平均値をとるアベレージプーリングと比較されることが多いです。アベレージプーリングが領域内のすべての値の平均を出力するのに対し、マックスプーリングは最も強い特徴（最大値）を際立たせて抽出するため、エッジ検出などの特徴が重要な画像認識タスクにおいてより広く採用されています。
注意点
最大値以外の情報が完全に切り捨てられてしまうため、物体の正確な位置情報や細かいディテールが失われるというデメリットがあります。そのため、高精度なセグメンテーションなどでは注意が必要です。
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28日 07:01