MaxPooling層

概要

Poolingは入力のデータを削減することや特徴を位置のずれに強くするために使用する。 MaxPooling層は候補のうちから最大を一つ選ぶ。
Facebookシェア Twitterツイート LINEで送る このエントリーをはてなブックマークに追加
この章を学ぶ前に必要な知識
0
効果
  • データ数を削減できる
  • 特徴が位置のずれに強くなる
  • 過学習を抑制することができる
ポイント
  • Convolution層が連続する間に挿入される
  • AveragePoolingより性能がよいとされている
  • 画像をある領域ごとに分けて、その中で最も大きい値を取得する

解 説

MaxPooling層はPooling層の一つ。 Maxとあるように対象の領域の要素の中で最も大きい要素を扱う。 以下のような画像で説明がつく。
MaxPooling層導入
左端の例では、1,3,4,6の中から最も大きい6が抽出されている. 中央、右端も同様にして各対象の4つの中で最大を決めている. この4つの中なら最大値はどのマスにあってもよいので位置を少し許容するようになっていると言える.
一つの領域から一つのみ要素を取り出すため、 解像度が低くなることで、処理が高速になり、また より特徴量の位置のずれを許容するようになるため、位置不変性が増す。 MaxPoolingはConvolution層の次の層に挿入され、 経験則としてAveragePoolingより性能がいいことが知られている。
MaxPooling特徴
この章を学んで新たに学べる
Comments

Reasons
>>隠す