特徴マップ

特徴マップは、畳み込みフィルターが入力画像またはニューラルネットワーク内の先行層を処理する際に生成される基本的な出力です。コンピュータービジョン (CV)のコンテキストでは、これらのマップはデータの内部表現として機能し、モデルが認識するように学習したエッジ、テクスチャ、複雑な幾何学的形状などの特定のパターンを強調します。本質的に、特徴マップは畳み込みニューラルネットワーク (CNN)の「目」として機能し、生のピクセル値を、物体検出や分類のようなタスクを容易にする意味のある抽象化に変換します。

特徴マップのメカニズム

特徴マップの生成は、畳み込みとして知られる数学的演算によって行われます。このプロセス中、カーネルまたはフィルターと呼ばれる学習可能なパラメータの小さな行列が入力データ上をスライドします。すべての位置で、カーネルは要素ごとの乗算と合計を実行し、出力グリッド内の単一の値をもたらします。

• パターン活性化: 各フィルターは特定の機能を探すようにトレーニングされます。フィルターが入力でその機能に遭遇すると、特徴マップ内の結果値が高くなり、強い活性化を示します。
• 空間階層: ディープラーニング (DL)アーキテクチャでは、特徴マップが階層的に配置されます。初期の層はエッジ検出の線や曲線のような低レベルの詳細をdetectするマップを生成します。より深い層は、これらの単純なマップを組み合わせて、顔や車両のような複雑なオブジェクトの高レベル表現を形成します。
• 次元変化: データがネットワークを通過するにつれて、プーリング層のような操作は、通常、特徴マップの空間次元（高さと幅）を削減し、深度（チャネル数）を増加させます。このプロセスは、しばしば次元削減と呼ばれ、モデルが特徴の正確なピクセル位置ではなく、その存在に焦点を当てるのに役立ちます。

実際のアプリケーション

特徴マップは、現代のAIアプリケーションの原動力であり、システムが視覚データを人間のような理解力で解釈することを可能にします。

• 医療診断: 医用画像解析では、モデルは特徴マップを使用してX線やMRIスキャンを処理します。初期のマップは骨の輪郭を強調するかもしれませんが、より深いマップは腫瘍や骨折などの異常を特定し、ヘルスケアAIのシナリオで医師を支援します。
• 自律ナビゲーション: 自動運転車は、視覚センサーによって生成される特徴マップに大きく依存しています。これらのマップにより、車両のオンボードコンピューターは、車線、歩行者、交通標識をリアルタイムで区別でき、これは自動運転車が安全に運行するために不可欠です。

pythonでの特徴マップの操作

特徴マップは内部構造ですが、アーキテクチャを設計する際にはその次元を理解することが重要です。以下のPyTorchの例は、単一の畳み込み層が入力画像を特徴マップにどのように変換するかを示しています。

import torch
import torch.nn as nn

# Define a convolution layer: 1 input channel, 1 output filter, 3x3 kernel
conv_layer = nn.Conv2d(in_channels=1, out_channels=1, kernel_size=3, bias=False)

# Create a random dummy image (Batch Size=1, Channels=1, Height=5, Width=5)
input_image = torch.randn(1, 1, 5, 5)

# Pass the image through the layer to generate the feature map
feature_map = conv_layer(input_image)

print(f"Input shape: {input_image.shape}")
# The output shape will be smaller (3x3) due to the kernel size and no padding
print(f"Feature Map shape: {feature_map.shape}")

関連概念の区別

特徴マップを類似の用語と区別することは、モデルトレーニング中の混乱を避ける上で役立ちます。

• 特徴マップ vs. フィルター: フィルター（またはカーネル）は画像をスキャンするために使用されるツールであり、モデルの重みを含んでいます。特徴マップはそのスキャンの結果です。フィルターを「レンズ」、特徴マップをそのレンズを通して捉えられた「画像」と考えることができます。
• 特徴マップ vs. エンべディング: どちらもデータを表現しますが、特徴マップは通常、セマンティックセグメンテーションに適した空間構造（高さと幅）を保持します。対照的に、エンべディングは通常、意味を捉えるものの空間レイアウトを破棄する平坦化された1Dベクトルであり、しばしば類似度検索タスクで使用されます。
• 特徴マップ vs. 活性化: 活性化関数（ReLUなど）は、非線形性を導入するために特徴マップ内の値に適用されます。この数学的演算の前後にマップは存在します。

Ultralyticsモデルへの関連性

YOLO26のような高度なアーキテクチャでは、特徴マップはモデルの「バックボーン」と「ヘッド」において極めて重要な役割を果たします。バックボーンは異なるスケール（特徴ピラミッド）で特徴を抽出し、モデルが大小両方のオブジェクトを効果的にdetectできるようにします。Ultralytics Platformをトレーニングに活用するユーザーは、これらのモデルがどのように機能するかを視覚化し、精度や再現率などのメトリクスを通じて、基盤となる特徴マップの有効性を間接的に観察できます。これらのマップを最適化するには、アノテーション付きデータセットでの広範なトレーニングが必要であり、多くの場合、事前学習済みモデルから新しいタスクに知識を転移させるために特徴抽出のような技術が利用されます。