④ ディープラーニングの要素技術／ 18. 畳み込み層

特徴マップとは

特徴マップとは、畳み込み演算によって得られる出力データで、抽出された特徴の分布を表します。フィルタの数だけ生成される点がG検定のポイントです。

この用語はG検定シラバスの「18. 畳み込み層」に含まれます。章全体の用語は用語解説④（全60語）にまとまっています。

畳み込みの結果として出てくる出力。フィルタ1枚につき1枚できます。

何を表しているのか

特徴マップの各位置の値は、その場所にフィルタが探している特徴がどれだけ強く現れているかを表します。

縦線を検出するフィルタなら、縦線がある位置の値が大きくなります。つまり「どこに何があるか」の地図になっているわけです。

フィルタを32枚使えば、特徴マップも32枚できます。この枚数をチャンネル数と呼びます。

層を進むごとに、空間サイズは小さく・チャンネル数は多くなっていくのがCNNの典型的なパターンです。位置の情報を減らし、意味の情報を増やしていると捉えると分かりやすくなります。

典型的なCNNでは、層を進むにつれて空間サイズは小さく、チャンネル数は多くなります。224×224×3 が 7×7×512 になる、といった具合です。

これは「どこにあるか」の情報を減らし、「何であるか」の情報を増やしていると解釈できます。最後にGAPで位置情報を完全に捨てて分類に入るのが典型的な流れです。