プーリング

プーリング (Pooling) は、畳み込みニューラルネットワーク (CNN) において特徴マップの空間サイズを縮小する操作である。指定したウィンドウ (カーネル) 内の値を 1 つの代表値に集約することで、パラメータ数と計算量を削減し、特徴の微小な位置変動に対する不変性を獲得する。

最も一般的なのは 2x2 ウィンドウ・ストライド 2 のマックスプーリングで、各領域の最大値を選択する。これにより特徴マップの幅と高さがそれぞれ半分になり、空間解像度は 1/4 に縮小される。VGG-16 では 5 回のマックスプーリングにより 224x224 の入力を 7x7 まで段階的に縮小する。

• マックスプーリング: 領域内の最大値を取る。エッジや角などの顕著な特徴を保持しやすく、画像分類や物体検出で広く使用されている標準的な手法である
• アベレージプーリング: 領域内の平均値を計算する。テクスチャ情報を滑らかに保持し、最終層のグローバルアベレージプーリング (GAP) ではチャンネルごとに全空間を 1 値に集約する
• ストライド畳み込み: プーリング層の代わりにストライド 2 の畳み込みを使う手法。学習可能なパラメータでダウンサンプリングを行うため、情報損失を最小化できる

近年のアーキテクチャではプーリング層を排除しストライド畳み込みに置き換える傾向があるが、GAP は全結合層の代替として依然として標準的に使用されている。セグメンテーションタスクでは空間情報の損失が深刻な問題となるため、プーリングインデックスの保存やアトラスプーリング (Dilated Pooling) などの工夫が施される。