特徴マップ

特徴マップとは、畳み込みニューラルネットワークにおいて、入力画像に対してフィルタ処理を行った結果として得られるデータの集合です。畳み込み層を通過することで、画像内の特定の特徴が抽出され、それが地図のように配置されたものが特徴マップとなります。層が深くなるにつれて、より抽象的で複雑な情報を保持するようになります。

仕組みとしては、入力画像に対してフィルタを走査させ、積和演算を行うことで生成されます。このフィルタは、エッジや特定の模様といった視覚的な特徴に反応するよう学習されます。一つの層から複数の特徴マップが生成されることで、モデルは画像内の多様な要素を同時に認識することが可能になります。

G検定では、畳み込みニューラルネットワークの仕組みを問う文脈で出題されます。プーリング層との違いや、特徴マップが空間的な情報を保持しているという性質が重要です。特徴マップの生成過程を理解することは、モデルが画像からどのように情報を読み取っているかを理解することに直結します。