【G検定過去問風テスト】全結合層の位置情報喪失と平坦化（Flatten）を攻略！
※本記事では、アフィリエイトプログラムより教材を紹介しています。
📝 問題
画像認識の畳み込みニューラルネットワーク（CNN）において、畳み込み層やプーリング層を経た後に全結合層へデータを入力する処理と、その性質に関する記述として、最も適切な選択肢を1つ選べ。
- A）全結合層に入力する直前に2次元や3次元の特徴マップを1次元に並べ替える処理（平坦化）を行うが、この処理によって画像特有の空間的な位置情報は保持される。
- B）全結合層は空間的な位置情報を保持できないため、特徴抽出を行う画像認識ネットワークの前半部分に好んで配置される。
- C）多次元の特徴マップを1次元のベクトルへと平坦化して全結合層に入力することで、抽出された特徴を網羅的にまとめて最終的な分類を行うことができるが、位置情報は失われる。
- D）全結合層は位置情報を保持できるため、データの並び順をどのように変更しても出力される結果や学習精度に一切影響は与えない。
🔍 ここをクリックして正解を見る
- 正解: C）多次元の特徴マップを1次元のベクトルへと平坦化して全結合層に入力することで、抽出された特徴を網羅的にまとめて最終的な分類を行うことができるが、位置情報は失われる。
💡 合格に近づく！徹底解説
- 重要度: ★★★
■ 1分で分かる！この問題の要点
- 平坦化（Flatten）で1次元化：2次元の画像データを「1本の長い行列」にするため、上下左右の「位置関係」は消えてしまいます。
- 配置はネットワークの「最後」：位置情報は消えますが、特徴を全部まとめて「最終判断（クラス分類）」を下すために必須の処理です。
■ 初学者向け解説（例え話や背景）
全結合層にデータを渡すときのイメージは「ジグソーパズルのピースを、全部箱から出して1列にズラリと並べ直す作業」です！
パズル（画像）の状態なら「右上に空がある」「左下に犬の足がある」という縦横の位置関係（空間情報）が分かりますよね。でも、すべてのピースを一列に並べ直してしまうと、「どのピースがどこにあったか」という位置関係は崩れてしまいます。これが「位置情報の喪失」です。
だからこそ、位置関係が重要な「特徴探し（目や耳の形を見つける）」は前半の畳み込み層に任せ、最後の「全体をまとめて『犬』と判定する」段階で全結合層に渡す、という役割分担がなされています。
■ 選択肢の解説
- A) 平坦化処理によって空間的な位置情報は保持される（×）: 1次元のバラバラな数字の列にしてしまうため、空間的な位置情報は失われます。
- B) 特徴抽出を行う前半部分に好んで配置される（×）: 位置情報を保持できない全結合層は、前半ではなくネットワークの後半（最後）に配置されます。前半で使われるのは位置情報を保持できる畳み込み層です。
- C) 1次元のベクトルへと平坦化して...位置情報は失われる（○）: 正解です！ 平坦化して全結合層に入力することで、抽出された特徴をガッチャンコして最終的な予測を出力します。
- D) 全結合層は位置情報を保持できるため...（×）: 前半・後半ともに不適切です。全結合層は位置情報を保持できません。
👉 次の問題＆解説テキスト
お疲れ様です！
この調子で次の問題に挑戦しますか？
それとも、立ち止まって詳しい解説を確認しますか？
