コンピュータビジョンタスクに特化した標準的な畳み込みニューラルネットワーク（CNN）は、通常、大きな中間活性化マップを生成する傾向がある。このようなマップは大きな作業メモリを必要とし、エッジにおける推論に一般的に用いられるリソース制約の厳しいデバイスへの展開には不適切である。プーリングやストライド付き畳み込みによる過度なダウンサンプリングによりこの問題に対処できるが、標準的なプーリング演算子による特徴マップの粗い集約によって、精度が著しく低下するという問題が生じる。本論文では、再帰型ニューラルネットワーク（RNN）に基づく新しいプーリング演算子「RNNPool」を提案する。RNNPoolは、画像の大規模な領域にわたる特徴を効率的に集約し、活性化マップを迅速にダウンサンプリングする能力を持つ。実証的な評価結果から、RNNPool層はMobileNetやDenseNetなどの多様なアーキテクチャにおいて、画像分類や顔検出といった標準的なビジョンタスクにおいて複数のブロックを効果的に置き換えることが示された。すなわち、RNNPoolを用いることで、推論時の計算複雑度とピークメモリ使用量を大幅に削減しつつ、同等の精度を維持できる。本研究では、標準的なS3FDアーキテクチャにRNNPoolを組み合わせ、RAM容量が256KB未満の小型ARM Cortex-M4クラスのマイコン上で最先端のMAP性能を達成する顔検出手法を構築した。コードは https://github.com/Microsoft/EdgeML にて公開されている。