問題 No.19
CNN（畳み込みニューラルネットワーク）を用いた画像分類モデルにおいて、畳み込み層の最終出力を全結合層（Dense層）にそのまま繋ぐと、パラメータ数が爆発的に増加して過学習（オーバーフィッティング）を起こしやすくなる。このパラメータ数の肥大化を徹底的に抑制するため、特徴量マップのチャンネル（平面）ごとに全画素値の平均値を算出し、全結合層を使わずに直接1次元のベクトルに圧縮する処理はどれか。
【正解の解説】
Global Average Pooling
Global Average Poolingとは、畳み込み後の特徴マップにおける1チャンネル（平面全体）の全ての数値を平均して1つの値に変換する処理です。これによりパラメータ数が大幅に削減され、全結合層を使わずに過学習を抑止することができます。
スポンサーリンク
【その他の選択肢の解説】
最大値プーリング
Max Pooling（最大値プーリング）は、特定のグリッド領域内における最大値を抽出する処理であり、主に局所的な特徴を保持したまま解像度を下げる役割を持ちます。全体を1次元ベクトルに一気に圧縮するものではありません。
バッチ正規化
Batch Normalization（バッチ正規化）とは、ミニバッチごとに各層の入力を正規化（平均0、分散1）することで、学習を高速化させたり勾配消失・爆発を防いだりする技術のことです。
Flatten処理
Flatten処理とは、多次元の特徴量マップをそのまま平らにして一列の長い1次元ベクトルに引き伸ばす処理ですが、画素数を物理的にそのまま維持するためパラメータ数が非常に多くなり、過学習を起こしやすくなります。