Quiz lié à un guide · Moyen Niveau
Quiz sur les circonvolutions dilatées et atreuses
Vérifiez l’espacement de dilatation, les champs récepteurs, la segmentation, WaveNet, le maillage et le contexte multi-échelle parallèle dans les circonvolutions atreuses.
Question 1 de 8
Que fait un taux de dilatation supérieur à 1 sur un noyau de convolution ?
Prévisualisez chaque question8 des questions
Les réponses et les explications apparaissent au fur et à mesure que vous répondez au quiz.
- Que fait un taux de dilatation supérieur à 1 sur un noyau de convolution ?
- Il insère des espaces entre les poids des grains afin qu'ils couvrent une zone plus large
- Il ajoute des poids plus apprenables au noyau
- Cela réduit le noyau à un seul point
- Il convertit le noyau en une opération de pooling
- Un noyau 3x3 avec un taux de dilatation de 2 couvre effectivement quelle taille de région ?
- 3x3
- 5x5
- 7x7
- 9x9
- Pourquoi les circonvolutions dilatées sont-elles particulièrement utiles pour la segmentation sémantique ?
- Ils réduisent l'image à une seule étiquette
- Ils éliminent le besoin de données de formation
- Ils élargissent le champ de réception tout en conservant une résolution élevée de la carte caractéristique.
- Ils ne fonctionnent que sur les images en niveaux de gris
- D’où vient le terme atrous ?
- Un mot latin pour couche
- Acronyme d'une méthode de formation
- Le nom de son inventeur
- Le français a trous, c'est-à-dire avec des trous
- Dans WaveNet, pourquoi les convolutions dilatées empilées sont-elles précieuses ?
- Ils génèrent des images au lieu de l'audio
- Ils capturent efficacement les dépendances à très longue portée dans la forme d'onde audio
- Ils suppriment tout silence des enregistrements
- Ils convertissent directement l'audio en texte
- Quel problème peut survenir si vous empilez des circonvolutions dilatées avec un taux unique mal choisi ?
- Le réseau devient trop petit pour former
- L'image est tournée en permanence
- Artefacts de maillage, où certaines positions d'entrée ne sont jamais échantillonnées
- Tous les poids deviennent nuls
- How does Atrous Spatial Pyramid Pooling combine multiple scales in DeepLab?
- It runs several dilation rates in parallel and fuses their outputs
- It chooses one fixed dilation rate and discards the rest
- It converts the image into a single global class before convolution
- It replaces every convolution with a larger dense kernel
- For one input channel and one output channel, how many kernel weights does a dilated 3×3 filter contain, excluding a bias?
- 25, because dilation 2 spans a 5×5 region
- 5, one for each position along the expanded width
- 18, because dilation 2 doubles the number of weights
- 9, because dilation changes spacing rather than the 3×3 weight count