【G検定｜理解型予想問題】正規化・標準化・正則化・バッチ正規化・レイヤー正規化はなぜ混同する？
seo-webmaster
G検定対策ブログ
【G検定｜理解型予想問題】畳み込み・プーリング・ストライド・パディングはなぜ混同する？
seo-webmaster
プロモーションが含まれています
CNN では、畳み込み、プーリング、ストライド、パディングが組み合わせて使われます。
4つは同じ場面で登場しますが、役割は異なります。
畳み込みは特徴を取り出す処理、プーリングは特徴をまとめる処理です。一方、ストライドとパディングは、処理の進め方や出力サイズを調整する設定です。
この記事では、全10問の理解型予想問題を通して、4つの違いと関係を整理します。
ジャンプするもくじ
畳み込み・プーリング・ストライド・パディングとは？
最初に、それぞれの役割を確認します。
| 用語 | 役割 | 見分ける表現 |
|---|---|---|
| 畳み込み | フィルタで特徴を取り出す | 特徴抽出／特徴マップ |
| プーリング | 局所領域の情報をまとめる | 最大値／平均値／縮小 |
| ストライド | フィルタを動かす間隔を決める | 1マスずつ／2マスずつ |
| パディング | 入力の周囲に値を追加する | ゼロパディング／端の情報 |
特徴を取り出す
→
畳み込み
特徴をまとめる
→
プーリング
動かす間隔を決める
→
ストライド
周囲に値を追加する
→
パディング
畳み込み・プーリング・ストライド・パディングはなぜ混同する？
4つは、どれも CNN で画像や特徴マップの小さな領域を扱うときに登場します。
ただし、畳み込みとプーリングは実際に行う処理、ストライドとパディングは処理方法を決める設定です。
畳み込み・プーリング
＝
画像や特徴マップに行う処理
ストライド・パディング
＝
処理方法や出力サイズの設定
特に、ストライドとパディングは出力サイズに影響します。
- ストライドを大きくする
→ フィルタを適用する位置が減り、出力は小さくなりやすい - パディングを追加する
→ 入力の周囲が広がり、出力サイズの減少を抑えられる
出力サイズは、次の式で求めます。
出力サイズ ＝
「（入力サイズ ＋ 2 × パディング － フィルタサイズ）÷ ストライド」＋ 1
問題では、まず次の4点から判断しましょう。
特徴抽出
→
畳み込み
最大値や平均値
→
プーリング
移動間隔
→
ストライド
周囲に値を追加
→
パディング
問題①
CNN における畳み込みの説明として、最も適切なものはどれか？
- A. 入力画像の周囲に0を追加する処理
- B. フィルタを適用し、局所的な特徴を取り出す処理
- C. 特徴マップから最大値だけを取り出す処理
- D. フィルタを動かす間隔を指定する設定
- 正解・解答（クリックで開きます）
-
正解
B
解説
畳み込みは、画像や特徴マップの小さな領域にフィルタを適用し、エッジや模様などの特徴を取り出す処理です。
CNN では、フィルタの重みが学習によって調整されます。
入力に近い層では、線やエッジのような単純な特徴を捉えます。
層が深くなると、形や部品など、より複雑な特徴を捉えられるようになります。
Aはパディング、Cは最大プーリング、Dはストライドの説明です。
Q
問題②
CNN におけるプーリングの主な役割として、最も適切なものはどれか？
- A. フィルタの重みを誤差逆伝播で更新する
- B. 入力画像の周囲に値を追加する
- C. 局所領域の情報をまとめ、特徴マップを小さくする
- D. ニューラルネットワークの出力を確率へ変換する
- 正解・解答（クリックで開きます）
-
正解
C
解説
プーリングは、特徴マップの局所領域から代表的な値を取り出し、情報をまとめる処理です。
代表的な方法には、領域内の最大値を選ぶ最大プーリングと、平均値を求める平均プーリングがあります。
プーリングを使うと、特徴マップの縦横サイズを小さくし、計算量を減らせます。
また、特徴の位置が少しずれた場合でも、同じ特徴として捉えやすくなります。
プーリングには、畳み込みフィルタのように学習によって更新する重みは基本的にありません。
Q
問題③
ストライドの説明として、最も適切なものはどれか？
- A. フィルタやプーリング領域を動かす間隔
- B. 入力の周囲に追加する値の大きさ
- C. 畳み込み層で使用するフィルタの枚数
- D. 特徴マップから最大値を選ぶ方法
- 正解・解答（クリックで開きます）
-
正解
A
解説
ストライドは、フィルタやプーリング領域を何マスずつ動かすかを表します。
ストライドが 1 の場合は、フィルタを 1 マスずつ動かします。
ストライドが 2 の場合は、フィルタを 2 マスずつ動かします。
ストライドを大きくすると、フィルタを適用する位置が少なくなるため、一般に出力される特徴マップは小さくなります。
ストライド自体が特徴を取り出すわけではありません。
畳み込みやプーリングをどの間隔で行うかを決める設定です。
Q
問題④
パディングの説明として、最も適切なものはどれか？
- A. フィルタの重みをランダムに初期化する
- B. 局所領域の最大値を取り出す
- C. フィルタを複数枚使用して特徴を抽出する
- D. 入力画像や特徴マップの周囲に値を追加する
- 正解・解答（クリックで開きます）
-
正解
D
解説
パディングは、入力画像や特徴マップの周囲に値を追加する設定です。
代表的な方法が、周囲に0を追加するゼロパディングです。
パディングを使わずに畳み込みを繰り返すと、特徴マップの縦横サイズは徐々に小さくなります。
パディングを適切に設定すると、出力サイズが小さくなるのを防げます。
また、画像の端にある情報にもフィルタを適用しやすくなります。
Q
問題⑤
畳み込みとプーリングの違いとして、最も適切なものはどれか？
- A. 畳み込みは出力サイズに影響しないが、プーリングは必ず影響する
- B. 畳み込みは学習したフィルタで特徴を取り出し、プーリングは局所領域の情報をまとめる
- C. 畳み込みは入力の周囲に値を追加し、プーリングはフィルタの移動間隔を決める
- D. 畳み込みとプーリングは名称が異なるだけで、同じ処理を表す
- 正解・解答（クリックで開きます）
-
正解
B
解説
畳み込みとプーリングは、どちらも局所領域を扱いますが、目的が異なります。
畳み込みは、学習によって調整されるフィルタを使って特徴を取り出します。
プーリングは、領域内の最大値や平均値を使って情報をまとめます。
畳み込みには、学習によって更新される重みがあります。
プーリングには、基本的に学習によって更新する重みがありません。
どちらも設定によって出力サイズに影響するため、Aは適切ではありません。
Q
問題⑥
縦横 7×7 の入力に、3×3 のフィルタをストライド 1、パディング 0 で適用した。
出力される特徴マップの縦横サイズとして、正しいものはどれか？
- A. 3 × 3
- B. 4 × 4
- C. 5 × 5
- D. 7 × 7
- 正解・解答（クリックで開きます）
-
正解
C
解説
出力サイズは、次の式で求めます。
出力サイズ ＝
「（入力サイズ ＋ 2 × パディング － フィルタサイズ）÷ ストライド」＋ 1問題の数値を入れると、次のようになります。
（7 ＋ 2 × 0 － 3）÷ 1 ＋ 1 ＝ 5
したがって、出力される特徴マップは 5×5 です。
パディングがない場合、フィルタを画像の外側にはみ出して適用できません。
そのため、3×3 のフィルタを使うと、縦横サイズが7から5へ小さくなります。
Q
問題⑦
縦横 5×5 の入力に、3×3 のフィルタをストライド1で適用する。
入力と出力の縦横サイズを同じ 5×5 にするために必要なパディングの値はどれか？
- A. 1
- B. 2
- C. 3
- D. 5
- 正解・解答（クリックで開きます）
-
正解
A
解説
入力サイズ 5、フィルタサイズ 3、ストライド 1、パディング 1 として計算します。
（5 ＋ 2 × 1 － 3）÷ 1 ＋ 1 ＝ 5
したがって、パディングを 1 にすると、入力と出力の縦横サイズを同じ 5 にできます。
3×3 のフィルタ、ストライド 1、パディング 1 は、CNN でよく使われる組み合わせです。
入力の周囲に1マス分の値を追加することで、畳み込みによるサイズの減少を補います。
Q
問題⑧
畳み込みで使用するストライドを1から2へ大きくした場合に、一般的に起こる変化として最も適切なものはどれか？
- A. 入力画像の周囲に追加される値が増える
- B. フィルタの重みが更新されなくなる
- C. フィルタの枚数が自動的に増える
- D. フィルタを適用する位置が減り、出力サイズが小さくなる
- 正解・解答（クリックで開きます）
-
正解
D
解説
ストライドを大きくすると、フィルタを移動させる間隔が広くなります。
ストライド1では1マスずつ移動しますが、ストライド2では2マスずつ移動します。
そのため、フィルタを適用する位置が少なくなり、一般に出力される特徴マップは小さくなります。
ただし、ストライドを変更しても、パディングの値やフィルタの重みが自動的に変わるわけではありません。
Q
問題⑨
次の 2×2 の領域に対して最大プーリングを行う。
値は、2、7、4、5 である。
出力される値として正しいものはどれか？
- A. 2
- B. 7
- C. 4.5
- D. 18
- 正解・解答（クリックで開きます）
-
正解
B
解説
最大プーリングは、対象となる局所領域の中から最大値を選びます。
2、7、4、5 の中で最も大きい値は7です。
したがって、出力される値は7です。
平均プーリングであれば、4つの値の平均を求めます。
最大プーリングと平均プーリングは、どちらも情報をまとめる処理ですが、代表値の選び方が異なります。
Q
問題⑩
CNNについて説明した次の文章のうち、最も適切なものはどれか？
- A. ストライドは特徴を取り出す処理であり、畳み込みはフィルタを動かす間隔である
- B. パディングは特徴マップの最大値を選ぶ処理であり、プーリングは入力の周囲に値を追加する処理である
- C. 畳み込みで特徴を取り出し、プーリングで情報をまとめ、ストライドとパディングで処理方法や出力サイズを調整する
- D. 畳み込み、プーリング、ストライド、パディングは、すべて学習によって重みが更新される層である
- 正解・解答（クリックで開きます）
-
正解
C
解説
畳み込みは、フィルタを使って特徴を取り出す処理です。
プーリングは、局所領域の最大値や平均値を使って情報をまとめる処理です。
ストライドは、フィルタやプーリング領域を動かす間隔です。
パディングは、入力の周囲に値を追加し、端の情報や出力サイズを調整する設定です。
畳み込みとプーリングは処理を表します。
ストライドとパディングは、その処理をどのように行うかを決める設定です。
Q
試験前に押さえたい見分け方
畳み込み、プーリング、ストライド、パディングは、処理と設定に分けて考えると見分けやすくなります。
| 問題文の表現 | 該当する用語 | 判断するポイント |
|---|---|---|
| フィルタで特徴を取り出す | 畳み込み | 特徴抽出 |
| 最大値や平均値で情報をまとめる | プーリング | 特徴マップの縮小 |
| フィルタを何マスずつ動かすか | ストライド | 移動間隔 |
| 入力の周囲に0などを追加する | パディング | 端と出力サイズの調整 |
| ストライドを大きくする | 出力サイズが小さくなる | 適用位置が減る |
| パディングを追加する | 出力サイズの減少を抑える | 入力の周囲を広げる |
最も短く整理すると、次のようになります。
畳み込み
＝
特徴を取り出す
プーリング
＝
特徴をまとめる
ストライド
＝
動かす間隔
パディング
＝
周囲に値を追加する
まとめ
畳み込み、プーリング、ストライド、パディングは、すべてCNNの処理で同時に登場するため混同しやすい用語です。
しかし、役割を整理すると違いは明確です。
畳み込みは、学習したフィルタを使って画像から特徴を取り出します。
プーリングは、局所領域の最大値や平均値を使って情報をまとめます。
ストライドは、フィルタやプーリング領域を動かす間隔です。
パディングは、入力の周囲に値を追加し、端の情報や出力サイズを調整します。
| 用語 | 押さえたいポイント |
|---|---|
| 畳み込み | フィルタを使って特徴を取り出す |
| プーリング | 最大値や平均値で情報をまとめる |
| ストライド | フィルタを動かす間隔を決める |
| パディング | 入力の周囲に値を追加する |
G検定では、用語の意味だけでなく、ストライドやパディングを変更したときに出力サイズがどう変わるかを問われる可能性があります。
単語を個別に暗記するのではなく、次の流れで整理しておきましょう。
畳み込みで特徴を取り出す
→
プーリングで情報をまとめる
ストライドで移動間隔を決める
＋
パディングで周囲を調整する
特徴を取り出すのが畳み込み、情報をまとめるのがプーリング、動かす間隔がストライド、周囲に値を追加するのがパディング と押さえることが重要です。
関連記事・おすすめ記事
畳み込み、プーリング、ストライド、パディングの違いを確認した後は、CNNの仕組みや代表的な画像認識モデルとのつながりも整理しておきましょう。
以下の記事では今回の内容と関係する知識を確認できます。
| おすすめ記事 | 確認できる内容 |
|---|---|
| CNNの畳み込み・プーリングとは？ | CNN／畳み込み層／プーリング層／フィルタ／特徴マップ |
| 画像認識の歴史 | AlexNet／VGG／GoogLeNet／ResNet／画像認識の発展 |
| 画像分類・物体検出・セグメンテーションはなぜ混同する？ | 画像分類／物体検出／セグメンテーション／出力の違い |
| スキップ結合・ResNetとは？ | スキップ結合／残差学習／深いCNN／勾配消失問題 |
| セグメンテーションの代表モデル | FCN／U-Net／SegNet／画素単位の分類／特徴マップ |
書いている人
このブログの運営者です。文系出身です。SEO検定1級、ウェブマスター検定1級を取得しました。ブログ運営には「AIの活用は必須」と思いG検定を取得しました。G検定は簡単といわれがちですが1回目は不合格でした。その失敗経験を元に、これから受験する方の助けになればとできるだけわかりやすくG検定対策は解説しています。間違い等あればご指摘いただければ幸いです。
