プーリングには「一番強い値を残す」流儀と「全体をならして残す」流儀があります。この記事は後者、平均値プーリングの解説です。平滑化というキーワードを軸に、最大値プーリングとの使い分けまで整理します。
📖 ひと言でいうと
平均値プーリング(Average Pooling)とは、特徴マップを指定したカーネルサイズ(2×2など)の領域に区切り、各領域内の画素値の平均を計算して出力する縮小操作です。領域全体の情報をなだらかに保ちながら、特徴マップの空間サイズを小さくします。
例えるなら、クラスの実力を「エースの点数」ではなく「クラス平均点」で代表させる方式です。突出した1人に注目する最大値プーリングと違い、全員の値が結果に反映されるため、まぐれの高得点(ノイズ)に引きずられにくい、というのがこの方式の持ち味です。
🖼 1枚でわかる平均値プーリング
📘 公式テキストの説明
指定されたカーネルサイズで特徴マップを分割し、各領域内の画素値の平均を計算して出力する手法である。例えば、2×2のカーネルを用いる場合、入力特徴マップを2×2の領域に分割し、それぞれの領域内の画素値の平均を計算して出力する。この操作により、特徴マップの空間サイズが縮小され、計算効率が向上する。平均値プーリングは、最大値プーリングと比較して、入力データの全体的な情報を保持しやすい特徴がある。最大値プーリングが局所的な最大値を抽出するのに対し、平均値プーリングは領域内の全体的な平均を取るため、特徴マップの平滑化効果が得られる。このため、平均値プーリングは、ノイズの影響を低減し、モデルの一般化能力を向上させる効果が期待できる。一方で、平均値プーリングは、最大値プーリングと比較して、特徴の強度や存在感を捉えにくい場合がある。そのため、タスクやデータの特性に応じて、最大値プーリングと平均値プーリングを適切に選択することが重要である。また、近年では、グローバル平均プーリング（Global Average Pooling）と呼ばれる手法も注目されている。これは、特徴マップ全体の平均を計算し、全結合層の代替として用いられることが多い。グローバル平均プーリングは、パラメータ数の削減や過学習の抑制に寄与する。
かみ砕くと、操作自体は最大値プーリングの「max」を「平均」に置き換えただけです。しかし出力の性格は大きく変わります。最大値は「領域内で一番目立つ値」だけを見るのに対し、平均値は領域内の全画素が結果に効くため、出力はなだらか (=平滑化) になり、1画素だけ跳ねたようなノイズは薄められます。
その代償として、せっかく畳み込みが強く検出した特徴も、周囲の小さい値と混ぜられて存在感が弱まることがあります。「全体的な情報の保持・ノイズ低減」と「強い特徴の希薄化」は表裏一体で、だからこそタスクに応じた使い分けが重要になります。
🔍 しっかり理解する
数値例: 同じ入力でも出力はこう変わる
4×4の特徴マップに2×2・ストライド2でプーリングをかけ、最大値と平均値を比べてみます。
入力(4×4) 最大値プーリング 平均値プーリング | 1 3 | 2 0 | | 5 2 | 1 4 | → | 5 4 | | 2.75 1.75 | | 0 1 | 3 2 | | 6 3 | | 2.25 1.75 | | 6 2 | 1 1 |
左上ブロック{1,3,5,2}を見ると、最大値プーリングは「5」を残し、平均値プーリングは(1+3+5+2)/4=2.75を出します。「5」という強い反応の情報は、平均では2.75に薄まっています。一方、仮にこの5がノイズによる異常値だった場合、平均値プーリングの方が影響を1/4に抑えられている、とも読めます。どちらのプーリングも学習パラメータを持たない固定演算である点は共通です。
使い分けの考え方
- 領域全体の傾向を保持
- 平滑化でノイズの影響を低減
- 背景・質感など面的な情報が大事な場面
- 強い特徴は薄まりやすい
- 領域内の最強の反応を保持
- エッジ・テクスチャなど強い特徴の抽出向き
- 「特徴があったか」の検出が大事な場面
- 弱い値の情報は捨てられる
「輪郭のような強い手がかりの有無を拾いたい」なら最大値、「領域のならした様子を伝えたい」なら平均値、が基本の整理です。近年の画像分類CNNの中間層では最大値プーリングが優勢ですが、これは優劣が固定という意味ではなく、公式テキストのとおりタスクやデータの特性に応じて選択すべきものです。
グローバル平均プーリングへの発展
平均値プーリングの窓を「特徴マップ全体」まで広げたものがグローバル平均プーリング(GAP)です。各チャネルが1つの平均値に要約されるため、出力は1×1×チャネル数のベクトルになり、CNN終盤の全結合層の代替として使われます。全結合層の大量のパラメータが不要になるため、パラメータ数の削減や過学習の抑制に寄与します。「通常の平均値プーリング=中間層で少しずつ縮小」「GAP=終盤で一気に要約」という役割の違いで覚えると混同しません。
💡 具体例で考える
平均値プーリングは、CNNの草分けである手書き数字認識のLeNetの時代から使われてきた由緒ある操作です(LeNetのサブサンプリング層は領域の平均に基づく縮小でした)。現代でも、たとえば布地の質感や航空写真の土地の様子のように「面としての濃淡パターン」が判断材料になる画像では、1点の強い反応より領域全体の平均的な特徴が意味を持つため、平均値プーリングの「全体的な情報を保持する」性質が活きます。また、センサー由来の点状ノイズが乗りやすい画像では、平均化がノイズの影響を各領域内で薄めてくれるため、認識の安定に寄与します。
⚠️ よくある誤解・紛らわしい用語
- 最大値プーリングの「劣化版」ではない — 残す情報の種類が違うだけです。強い特徴の検出なら最大値、全体傾向の保持・平滑化なら平均値と、目的で使い分けます。
- グローバルアベレージプーリング(GAP)との混同 — 平均を取る点は同じでも、通常の平均値プーリングは小さな窓で中間層を縮小し、GAPは特徴マップ全体を1値に要約して全結合層を置き換えます。試験では「全結合層の代替」とあればGAPです。
- 畳み込みによる縮小との混同 — ストライド付き畳み込みでもサイズは縮みますが、あちらは学習した重みで計算します。平均値プーリングは重みなしの固定演算です。
- 平滑化=常に良いわけではない — ノイズと一緒に、細かいが重要な特徴(微細なエッジなど)までならされてしまう場合があります。これが「特徴の強度や存在感を捉えにくい」という弱点です。
📝 試験でのポイント
- 「各領域内の画素値の平均を計算して出力する」という定義でプーリングの種類を選ばせる問題が基本形です。
- 最大値プーリングとの対比が頻出: 「全体的な情報を保持しやすい/平滑化効果/ノイズの影響低減」が平均値側、「強い特徴の抽出」が最大値側です。
- 弱点(特徴の強度・存在感を捉えにくい場合がある)まで対で問われることがあります。
- 文末に「全結合層の代替」「1×1×チャネル数」とあれば、平均値プーリングではなくグローバル平均プーリングを選びます。
📚 まとめ
- 平均値プーリングは、カーネルサイズで区切った各領域の平均を出力して特徴マップを縮小する操作です。
- 平滑化により全体的な情報を保持し、ノイズの影響を低減できる一方、強い特徴の存在感は薄まりがちです。
- 最大値プーリングとの選択は優劣ではなく、タスクとデータの特性次第です。
- 窓を特徴マップ全体に広げたグローバル平均プーリング(GAP)は、全結合層の代替として使われる発展形です。
