Kvíz spojený s průvodcem · Střední úroveň
Kvíz o konvolučních neuronových sítích
Testujte sdílená jádra CNN, prostorové převzorkování, naučené hierarchie funkcí, historii AlexNet, výpočty výstupní mřížky a husté pokrytí vstupních kanálů.
Otázka 1 z 8
Jaká je hlavní práce filtru (kernelu) v CNN?
Náhled každé otázky8 otázky
Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.
- Jaká je hlavní práce filtru (kernelu) v CNN?
- K uložení konečného klasifikačního štítku
- Náhodné zamíchání pixelů před tréninkem
- Chcete-li posouvat obraz a detekovat specifický vizuální vzor
- Chcete-li převést obraz na zvuk
- How does spatial kernel sharing reduce parameter requirements compared with learning a separate kernel at every image location?
- The same learned kernel weights are reused across locations
- All input pixels are deleted
- Every layer must use only grayscale data
- The model avoids all training
- What does a spatial pooling layer commonly do to a CNN feature map?
- Assign a final label to every object
- Reduce its spatial resolution
- Guarantee invariance to every possible image shift
- Always increase the number of input channels
- Jak se v hluboké CNN obecně mění vlastnosti z raných vrstev na pozdější?
- Od celých objektů až po jednotlivé pixely
- V každé vrstvě zůstávají stejné
- Od textu pouze k číslům
- Od jednoduchých hran a barev až po složité části, jako jsou oči nebo kola
- Which named CNN is associated with the influential 2012 ImageNet classification result?
- AlexNet
- ResNet
- Vision Transformer
- SqueezeNet
- Jaká numerická operace se stane, když je na pole obrázku aplikován filtr?
- Pixely jsou seřazeny od nejtmavšího po nejsvětlejší
- Patch je z obrázku odstraněn
- Každá váha se vynásobí jejím překrývajícím se pixelem a produkty se sečtou
- Pixely jsou převedeny na písmena
- With a 6-by-6 input and 3-by-3 kernel at stride one, no padding, and no dilation, what is the CNN output-grid size?
- 6 by 6
- 3 by 3
- 2 na 2
- 4 by 4
- In dense ungrouped convolution on a three-channel input, which channels does one filter span?
- Only the first channel by definition
- All three input channels
- No input channels because kernels contain only output labels
- Exactly one channel in every convolution configuration