グローバルアベレージプーリング（GAP）とは？
グローバルアベレージプーリング（Global Average Pooling、以下GAP）は、ディープラーニング、特に畳み込みニューラルネットワーク（CNN）で利用される重要な技術の一つです。 簡単に言うと、「特徴マップをチャネルごとに1つの平均値にまとめる」処理のことです。 これにより、後続の処理が扱いやすくなります。
通常、CNNの最終段階、つまり抽出された特徴を元に画像が何かを分類する「全結合層」の直前で使われます。 GAPは、従来の全結合層が抱えていたいくつかの問題を解決する画期的な手法として、2014年に発表された論文「Network In Network」で提案され、同年の画像認識コンペティションILSVRCで優勝したモデル「GoogLeNet」で採用されたことで広く知られるようになりました。
なぜGAPが重要なのか？そのメリット
GAPが多くの最新モデルで採用されているのには、明確な理由があります。 主なメリットを3つ見ていきましょう。
メリット1：パラメータ数の大幅な削減と「過学習」の抑制
従来のCNNでは、畳み込み層で抽出した特徴マップを「Flatten（平坦化）」という処理で1列の長いデータに変換し、それを全結合層に入力していました。 しかし、この方法では全結合層のパラメータ（重み）が非常に多くなり、モデルが学習データに過剰に適合してしまう「過学習」という問題を引き起こしやすかったのです。
一方、GAPは各特徴マップを1つの数値に集約するため、Flattenが不要になり、その後の全結合層のパラメータ数を劇的に削減できます。 パラメータを持たないGAP自体が正則化（過学習を抑える仕組み）のように機能し、より汎化性能の高い（未知のデータにも強い）モデルの構築に貢献します。
メリット2：モデルの解釈性向上
GAPは、各特徴マップが最終的な分類にどれだけ貢献しているかを直接的に関連付けます。 なぜなら、各チャネルの平均値が、そのチャネルが捉えた特徴の「重要度」のような役割を果たすからです。これにより、モデルが画像のどの部分に注目して判断を下したのかを可視化する技術（Class Activation Mappingなど）への応用も可能になり、モデルの解釈性が向上します。
メリット3：入力画像サイズへの柔軟性
従来の全結合層は入力サイズが固定されている必要がありましたが、GAPは特徴マップの空間次元（縦横のサイズ）を完全になくしてしまうため、原理的には様々なサイズの入力画像に対応できます。 これにより、モデルの汎用性が高まります。
GAPと他のプーリング手法との違い
CNNで使われるプーリングには、GAPの他に「マックスプーリング」や「（通常の）アベレージプーリング」があります。これらの違いを表で見てみましょう。
| プーリング手法 | 処理内容 | 主な目的 | 適用範囲 |
|---|---|---|---|
| グローバルアベレージプーリング (GAP) | 特徴マップ全体の平均値を1つの値として出力する。 | 全結合層の代替、次元削減、過学習抑制。 | 主に畳み込み層の最終段。 |
| マックスプーリング (Max Pooling) | 特徴マップを小さな領域（ウィンドウ）に分割し、各領域の最大値を出力する。 | 位置ずれに強い特徴の抽出、情報圧縮。 | 畳み込み層の間に挿入される。 |
| アベレージプーリング (Average Pooling) | 特徴マップを小さな領域に分割し、各領域の平均値を出力する。 | 情報圧縮、ノイズの低減。 | 畳み込み層の間に挿入される。 |
GAPの仕組みと実装例
GAPの仕組みは非常にシンプルです。例えば、畳み込み処理の結果、(縦: 7ピクセル, 横: 7ピクセル, チャネル数: 512) というサイズの特徴マップが得られたとします。
GAPは、この512個ある各チャネル（7×7=49ピクセルのデータ）に対して、全てのピクセル値の平均を計算します。 その結果、チャネルごとに1つの数値が得られるため、最終的な出力は512個の数値が並んだベクトル（サイズ 1x1x512）になります。 これを次の層（通常はSoftmax層）に渡して、最終的な分類を行います。
PythonのディープラーニングライブラリであるTensorFlow/Kerasでは、以下のように簡単に実装できます。
import tensorflow as tf
from tensorflow.keras import layers, models
# モデルの定義
model = models.Sequential()
# (仮の畳み込み層など)
model.add(layers.Conv2D(64, (3, 3), activation='relu', input_shape=(32, 32, 3)))
model.add(layers.MaxPooling2D((2, 2)))
model.add(layers.Conv2D(128, (3, 3), activation='relu'))
# === ここでGlobal Average Poolingを適用 ===
model.add(layers.GlobalAveragePooling2D())
# 分類のための全結合層（出力層）
model.add(layers.Dense(10, activation='softmax')) # 10クラス分類の場合
model.summary() このコードは、畳み込み層の後にGlobalAveragePooling2D層を追加するだけでGAPを適用できることを示しています。 従来のFlatten層と比べて、モデルがシンプルになり、パラメータ数が削減されていることが分かります。
まとめ
グローバルアベレージプーリング（GAP）は、現代のCNNアーキテクチャにおいて非常に重要な役割を担う技術です。その主な利点は以下の通りです。
- パラメータを大幅に削減し、過学習を抑制する。
- モデルの解釈性を高め、判断根拠の可視化に貢献する。
- 全結合層を置き換えることで、モデルをシンプルかつ軽量にする。
ディープラーニング、特に画像認識モデルを学ぶ上で、GAPは避けては通れない基本的ながら強力なコンセプトです。 この機会にぜひ覚えておきましょう。