【G検定過去問風テスト】CNNのプーリング層に関する問題

2026年7月25日 2026年7月25日 atsushi_kitazawa

※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

畳み込みニューラルネットワーク（CNN）において用いられる「プーリング層（サブサンプリング層）」に関する記述として、最も適切な選択肢を1つ選べ。

A）プーリング層では、フィルタ内の各重みパラメータをバックプロパゲーション（誤差逆伝播法）によって学習・更新する。
B）グローバルアベレージプーリング（GAP）は、特徴マップの局所的な輪郭を際立たせるため、モデルの最初の層で主に用いられる。
C）プーリング処理を行うことで、入力データの微小な位置の変化やズレに対する不変性を獲得することができる。
D）最大値プーリング（Max Pooling）は、領域内の全数値の平均値を算出し、過学習を防止する処理である。

🔍 ここをクリックして正解を見る

正解: C）プーリング処理を行うことで、入力データの微小な位置の変化やズレに対する不変性を獲得することができる。

💡 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

プーリング層には学習するパラメータ（重みやバイアス）が「ゼロ」である点が最大のひっかけポイント！
位置ズレへの強さ（不变性）を与えるのがプーリングの主目的のひとつ。
GAPは「1枚丸ごと平均」して過学習を防ぐため、モデルの最後で使われる。

■ 初学者向け解説（例え話や背景）

スマホで写真をアルバム表示（サムネイル化）すると、画像サイズはすごく小さくなりますが「旅行の写真だな」「猫の写真だな」と分かりますよね。

プーリング層がやっているのは、まさにこの「モザイクをかけてざっくりまとめる処理」です。画像をわざと粗くして縮小することで、データ量（計算量）を減らし、被写体が多少右や左にずれていても「だいたいこの辺に猫がいる」と判別できる「ズレに対するタフさ（不変性）」をAIに与えています。

ちなみに、プーリングは「一番大きい数を探す」「平均を出す」といったあらかじめ決まった機械的ルールで処理しているだけなので、AIが学習する「重みパラメータ」は存在しません（パラメータ数0）。ここが試験の超・超定番のひっかけどころです！

■ 選択肢の解説

A) プーリング層では、フィルタ内の各重みパラメータをバックプロパゲーション（誤差逆伝播法）によって学習・更新する。（×）: プーリング層はあらかじめ決められたルール（最大値を採る・平均を採るなど）で計算するだけなので、学習・更新すべき重みパラメータは存在しません（パラメータ数は0です）。
B) グローバルアベレージプーリング（GAP）は、特徴マップの局所的な輪郭を際立たせるため、モデルの最初の層で主に用いられる。（×）: GAPは画像全体（1枚丸ごと）の平均を出して全結合層の代わりを務める手法です。パラメータ数を劇的に削って過学習を防ぐため、モデルの「最後（終盤）」で用いられます。
C) プーリング処理を行うことで、入力データの微小な位置の変化やズレに対する不変性を獲得することができる。（○）: 正解です。画像を粗くまとめて扱うことで、入力位置の多少のズレや変形に左右されない「不変性（Invariance）」を獲得できます。
D) 最大値プーリング（Max Pooling）は、領域内の全数値の平均値を算出し、過学習を防止する処理である。（×）: 領域内の「最大値（もっとも強い特徴）」を抽出するのが最大値プーリングです。全数値の平均値を計算するのは「平均値プーリング（Average Pooling）」の説明です。

リンク