読み方：インスタンスせいきか

インスタンス正規化【instance normalization】

概要

インスタンス正規化とは、畳み込みニューラルネットワーク（CNN）の特徴マップの値を一定の範囲に揃える正規化処理の一つで、学習データの一つ一つのサンプルを用いてチャネルごとの正規化を行うもの。主に画像を扱うモデルで用いられる手法で、画像一枚ごとにチャネル単位の正規化を行う。

ニューラルネットワークでは入力層から出力層に向かって一層ずつ下層へ順に値が伝達されていくが、層間でやり取りされる値のスケールがまちまちになることがある。あまりに値に幅があると、特定の特徴量ばかり重視されたり、一部のノードのパラメータの収束が遅くなるなどの不都合が生じる。

インスタンス正規化はCNNの特徴マップに適用される正規化手法の一つで、学習データを構成する個々のサンプルごとに正規化を行う。層内の各フィルタ（カーネル）の出力をチャネルというが、インスタンス正規化では正規化をチャネル単位で個別に行い、それぞれについて平均0、分散1になるよう調整する。

正規化一般の性質として、極端な値のばらつきを抑えて学習の安定化、学習速度の向上、過学習の抑止などの効果をもたらす。インスタンス正規化は単体のサンプルから統計量の算出を行うため、ミニバッチ単位で複数のサンプルを用いるバッチ正規化に比べ、バッチサイズの影響を受けにくい。一方、一つのサンプルを用いて全チャネルまとめて正規化する手法は「レイヤー正規化」、複数チャネルのグループごとに正規化する手法は「グループ正規化」という。

(2025.12.7更新)