↑: [[G検定に関する知識]] - 特徴マップ全体をひとつの平均値に集約するプーリング手法（平均値プーリングの窓を特徴マップ全体まで広げたもの） - チャネルごとに1つの値だけが残る（例：32チャネルの特徴マップ→32個の値） - 全結合層の代わりに置くとパラメータが大幅に削減でき、過学習も起きにくくなる - ResNetをはじめ、現代の画像認識モデルでは標準的な構造 - cf. [[プーリング層]], [[平均値プーリング]], [[全結合層]]