問題 No.1164
畳み込みニューラルネットワークにおいて、畳み込み層の後段に配置される【 】層は、画像の局所的な領域から最大値や平均値を抽出してデータを縮小する処理を行う。この処理により、画像内の物体の位置が多少ズレていても同じ特徴として捉えることができる頑健性を獲得できる。
【正解の解説】
プーリング
プーリング層（Pooling Layer）は、畳み込み層の出力の局所領域（例：2x2ピクセル）から最大値などを抽出して特徴マップの空間解像度を下げます。これによりデータ量を削減し、画像内で対象物の位置が多少移動したり変形したりしても正しく認識できる位置不変性を獲得できます。
スポンサーリンク
【その他の選択肢の解説】
全結合
全結合層（Fully Connected Layer）は、ネットワークの最終段付近で前層の全ノードと接合し、集約された特徴量からクラス分類などの最終出力を出す層です。画像サイズを局所的に縮小して位置の不変性を与える処理とは役割が異なります。
リカレント
リカレント構造（RNN）は、過去の出力を現在の入力にフィードバックさせることで時間的な連続性（時系列情報）を扱うネットワークです。2D画像の特徴マップに対して空間的な解像度を下げて位置ズレを吸収する処理とは関係ありません。
アテンション
アテンション（Attention）機構は、モデルが入力データ内の「どの部分に重点を置くべきか」を動的に重み付けして計算する仕組みです。畳み込み後にデータ解像度を圧縮・縮小して位置不変性を高めるプーリング処理とは根本的に異なります。