最大プーリング平滑化の効果検証

抄録

Convolutional Neural Network(CNN)におけるプーリング層の役割は、畳み込み層の特徴マップの必要な情報を維持したまま次元を削減することである。プーリングにより位置不変性が獲得され変形補償される。一般的に、プーリングにおける最大値選択は各ブロック独立で行われている。しかし、変形は本来ブロックにまたがって連続的に起こっており、各ブロック独立な変形補償でいいのかという疑問がある。そこで本研究では、従来のブロック独立に最大値プーリングをした後、最大値選択方向を隣接ブロック間で平滑化することで、より実際の変形に適した補償を実現することを試みた。さらに、CNNにおける画像分類を分析することでプーリングの効果を検証する。