問題 No.3395
畳み込みニューラルネットワークにおいて、フィルターの適用位置を飛び飛びにすることなく、カーネルの要素間に間隔を空けてサンプリングを行い、受容野を効率的に拡大する演算手法はどれか。
【正解の解説】
Atrous Convolution
これは網の目を粗くして広範囲を見渡すような技術です。通常の畳み込みが指先で一点ずつ触る感覚だとすれば、Atrous Convolutionは指を少しずつ広げて全体を大きく掴むようなもので、細かい計算量を増やさずに広い視野（受容野）を手に入れられます。
スポンサーリンク
【その他の選択肢の解説】
Depthwise Convolution
問題文にある「隙間を空けて視野を広げる」特徴はなく、むしろモバイル端末など軽量化が求められる環境で定番の構造です。名前の響きが高度なため混同しやすいですが、目的が「空間的な受容野の拡大」ではなく「計算の効率化」である点が決定的な違いです。
Transposed Convolution
画像生成やセマンティックセグメンテーションで解像度を復元する際によく使われます。要素間に間隔を空けてサンプリングする点は似ていますが、出力サイズを大きくする逆畳み込みの仕組みであり、受容野の効率的な拡大を目的とするアトルス畳み込みとはアプローチが異なります。
Dilated Pooling
畳み込みにおける「Atrous」や「Dilated」の概念をプーリングに誤って適用したような、実在しないか、あるいは文脈の異なる造語です。初学者が知っている用語の組み合わせによるハルシネーションを誘発させるための典型的なダミー選択肢として配置されています。