問題 No.3484
サイズが $32 \times 32$ ピクセル、チャンネル数が $3$ の入力画像に対し、サイズが $5 \times 5$ ピクセルのフィルタを $16$ 個用いて畳み込み演算を行う。パディングを施さず（パディング幅 $= 0$）、ストライドを $1$ （ストライド幅 $= 1$）とした場合、出力される特徴マップのテンソルの要素数（全要素の総数）はいくつになるか。求めよ。
【正解の解説】
$11,616$
画像処理は「32×32の画素グリッドの上を5×5のスタンプ（フィルタ）が隙間なく移動する作業」に例えられます。まず出力の縦横サイズを計算式「(32-5)/1 + 1 = 28」で求め、28×28のグリッドが16個のフィルタ分と3つの色チャンネル分重なるため、28×28×16×3を計算して11,616個という全要素の総数を導き出します。
スポンサーリンク
【その他の選択肢の解説】
$12,544$
フィルタを通すと端の分だけ画像が小さくなるという「畳み込みの基本ルール」を忘れてしまい、32×32という入力サイズをそのまま使って計算してしまう初学者が非常によく陥る罠のパターンです。
$3,072$
空間的な広がりを持つピクセル同士の計算（畳み込み）をすっ飛ばしてしまい、単純に色の情報量とフィルタの枚数だけで掛け算してしまうという、ニューラルネットワークの構造を誤解している場合に選びがちな誤答です。
$3,872$
RGBなどのチャンネル数を掛け合わせるプロセスを忘れてしまっており、G検定の試験本番で時間が足りなくなった受験者が焦って中途半端な計算式でマークしてしまいやすい、出題者が用意した典型的な引っかけ選択肢です。