本論文では、多スケール畳み込みフィルタのセット間で競争を促進する新しい深層畳み込みニューラルネットワーク（ConvNet）モジュールを紹介します。この新しいモジュールはインセプション・モジュールに着想を得ており、元の協調的なプーリング段階（多スケールフィルタ出力の連結からなる）を、マックスアウト活性化ユニットによって表される競争的プーリングに置き換えています。この拡張は以下の2つの目的を持っています：1) 多スケールフィルタ間での最大応答を選択することで、フィルタの共適応を防ぎ、同じモデル内に複数のサブネットワークを形成することができます。これは複雑な学習問題の訓練を容易にすることが示されています；2) マックスアウトユニットは、多スケールフィルタからの出力の次元数を削減します。我々は提案したモジュールを典型的な深層ConvNetに使用することで、MNIST、CIFAR-10、CIFAR-100およびSVHNというベンチマークデータセットにおいて、現行の最先端技術と同等かそれ以上の分類結果が得られることを示しています。