深層学習 画像認識の革新：グローバルアベレージプーリング
一枚の絵の全体的な雰囲気や色使いといった特徴を掴むには、どうすれば良いでしょうか？ 細かい部分に注目しすぎるよりも、全体をざっと眺める方が良い場合があります。画像認識の世界でも同じような考え方が使われており、それを「包括平均値抽出」と呼びます。これは、絵を描く時に使う絵の具のパレットのように、画像の色の平均値を計算することで、画像の特徴を捉える手法です。
具体的には、たくさんの小さな窓を使って絵を細かく分析する「畳み込みニューラルネットワーク」という技術を使います。この小さな窓を「特徴地図」と呼び、それぞれの窓が、例えば赤色の強さや青色の強さ、線の向きといった、絵の様々な特徴を捉えます。従来の手法では、これらの特徴地図から複雑な計算で重要な情報を取り出していました。しかし、包括平均値抽出では、各特徴地図に含まれる色の濃淡などの数値を全て足し合わせ、その合計を地図の大きさで割る、つまり平均値を計算するという、とてもシンプルな方法を用います。
例えば、赤い花畑の絵であれば、赤色の特徴地図の平均値は高くなります。逆に、青い空の絵であれば、青色の特徴地図の平均値が高くなります。このように、各特徴地図の平均値を並べることで、その絵全体の特徴を表す「特徴ベクトル」と呼ばれるものを作成します。このベクトルは、いわば絵の「要約」のようなもので、この要約を見るだけで、その絵がどんなものかを大まかに理解することができます。
包括平均値抽出の利点は、計算が単純で処理速度が速いという点です。また、画像の細かい位置ずれや大きさの変化にも強いという特徴があります。そのため、様々な種類の絵を認識する必要がある場合に、非常に有効な手法と言えるでしょう。
