問題 No.1250
画像認識やセマンティックセグメンテーションを目的とした畳み込みニューラルネットワークにおいて、フィルターの要素間に一定の間隔を空けて処理を行うことで、計算量やパラメータ数を増加させることなく広い受容野を確保する畳み込み処理はどれか。
【正解の解説】
Atrous Convolution
Atrous Convolutionは、フィルターの間に穴（間隔）を空けて適用する手法で、パラメータを増やさずに広い範囲の情報を効率的に捉えることができます。セマンティックセグメンテーションなどで頻繁に利用されます。
スポンサーリンク
【その他の選択肢の解説】
Depthwise Convolution
Depthwise Convolutionは、入力データの各チャンネルに対して個別のフィルターを適用する手法で、計算量を削減する効果がありますが、広い範囲を一度に見る（受容野を広げる）機能は主目的ではありません。
Pointwise Convolution
Pointwise Convolutionは、チャンネル方向のみに畳み込みを行う手法で、データの次元を変更したり、特徴の組み合わせを調整したりするために用いられる小さなフィルター処理です。
Transposed Convolution
Transposed Convolutionは、畳み込みとは逆に、特徴マップのサイズを拡大するために用いられる処理です。画像の解像度を戻す際などに使用されます。