Κουίζ για συνελικτικά νευρωνικά δίκτυα

Οι απαντήσεις και οι εξηγήσεις εμφανίζονται καθώς κάνετε το κουίζ.

1. Ποια είναι η κύρια δουλειά ενός φίλτρου (πυρήνα) σε ένα CNN;
   • Για να αποθηκεύσετε την τελική ετικέτα ταξινόμησης
   • Για να ανακατέψετε τυχαία τα pixel πριν από την προπόνηση
   • Για να γλιστρήσετε κατά μήκος της εικόνας και να εντοπίσετε ένα συγκεκριμένο οπτικό μοτίβο
   • Για να μετατρέψετε την εικόνα σε ήχο
2. 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
3. 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
4. Σε ένα βαθύ CNN, πώς αλλάζουν γενικά τα χαρακτηριστικά από τα πρώτα επίπεδα στα μεταγενέστερα επίπεδα;
   • Από ολόκληρα αντικείμενα έως μεμονωμένα pixel
   • Παραμένουν πανομοιότυπα σε κάθε στρώμα
   • Μόνο από κείμενο σε αριθμούς
   • Από απλές άκρες και χρώματα έως πολύπλοκα μέρη όπως μάτια ή τροχούς
5. Which named CNN is associated with the influential 2012 ImageNet classification result?
   • AlexNet
   • ResNet
   • Vision Transformer
   • SqueezeNet
6. Ποια αριθμητική λειτουργία συμβαίνει όταν ένα φίλτρο εφαρμόζεται σε μια ενημέρωση κώδικα της εικόνας;
   • Τα pixel ταξινομούνται από το πιο σκούρο στο πιο φωτεινό
   • Η ενημερωμένη έκδοση κώδικα διαγράφεται από την εικόνα
   • Κάθε βάρος πολλαπλασιάζεται με το επικαλυπτόμενο εικονοστοιχείο του και τα γινόμενα αθροίζονται
   • Τα εικονοστοιχεία μετατρέπονται σε γράμματα
7. 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 by 2
   • 4 by 4
8. 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