G検定（JDLA） 練習問題 73：CNNアーキテクチャ
📊 Qraftユーザーの成績
- 難易度 Bランク（レーティング1200）
- 難易度 766位/2795問中
- 正答率 —（0回）
畳み込みニューラルネットワーク（CNN）で用いられる「Global Average Pooling（GAP）」に関する説明として、正しいものはどれか。
- 空間方向の特徴マップの最大値を取得し、位置ズレに対する不変性を高めて特徴を抽出する手法。
- 畳み込み層の直後に全結合層を配置することで、空間的な特徴を1次元のベクトルに変換する。
- 各特徴マップの平均値を計算して1つの値に圧縮し、全結合層を使わずにパラメータ数を減らす。
- 特徴マップの任意の領域を固定サイズにプーリングし、物体検出モデルの精度を向上させる手法。
- ネットワーク内の勾配消失を防ぐために入力データを正規化し、学習の進行を安定させる手法。
正解と解説を見る
正解：各特徴マップの平均値を計算して1つの値に圧縮し、全結合層を使わずにパラメータ数を減らす。
CNNにおけるGlobal Average Pooling（GAP）は、空間方向の各特徴マップ（チャンネル）の平均値を計算して1つの値に集約する手法です。
【正解の理由】
GAPは特徴マップ全体の情報を1つの値に圧縮するため、従来のCNNで最後尾に配置されていたパラメータ数の多い全結合層を省略（または大幅に縮小）することができ、過学習の抑制や計算量の削減に大きく貢献します。
【不正解の理由】
• 「空間方向の特徴マップの最大値を取得し、位置ズレに対する不変性を高めて特徴を抽出する手法。」は、局所的な「Max Pooling（最大プーリング）」の説明
• 「畳み込み層の直後に全結合層を配置することで、空間的な特徴を1次元のベクトルに変換する。」は、Flatten層などを用いた従来の全結合層への接続手法でありGAPではない
• 「特徴マップの任意の領域を固定サイズにプーリングし、物体検出モデルの精度を向上させる手法。」は、物体検出モデル（Fast R-CNNなど）で用いられる「RoI Pooling」の説明
• 「ネットワーク内の勾配消失を防ぐために入力データを正規化し、学習の進行を安定させる手法。」は、「バッチ正規化（Batch Normalization）」の説明