Quiz sur les réseaux de compression et d'excitation

Les réponses et les explications apparaissent au fur et à mesure que vous répondez au quiz.

1. À quoi sert l'étape « squeeze » dans un bloc SE ?
   • Utilise le regroupement de moyennes globales pour résumer chaque canal en une seule valeur
   • Recadre l'image à une taille plus petite
   • Supprime définitivement les canaux redondants
   • Applique un softmax sur les emplacements spatiaux
2. Que produit l’étape « excitation » ?
   • Un nouvel ensemble de filtres de convolution
   • Un poids par canal compris entre 0 et 1
   • Une boîte englobante
   • Un masque de segmentation
3. Comment les poids d'excitation sont-ils appliqués aux cartes de caractéristiques d'origine ?
   • Ajouté par élément
   • Concaténés en tant que nouveaux canaux
   • Multiplié par canal
   • Utilisé pour masquer les régions spatiales
4. Pourquoi l'excitation utilise-t-elle un goulot d'étranglement avec un rapport de réduction (souvent 16) ?
   • Pour augmenter le nombre de classes de sortie
   • Pour supprimer le besoin de circonvolutions
   • Pour rendre le réseau moins profond
   • Pour conserver les paramètres ajoutés et calculer petit
5. Quel concours SENet a-t-il remporté en 2017 ?
   • Le défi de la classification ImageNet ILSVRC
   • Le défi de la détection COCO
   • Le concours Kaggle Titanic
   • Le référentiel GLUE
6. Quelles architectures ultérieures intègrent des blocs SE pour plus d’efficacité ?
   • BERT et GPT
   • EfficientNet et MobileNetV3
   • Word2Vec et GloVe
   • WaveNet et Tacotron
7. In the excitation step, which activations connect the two fully connected layers in the guide’s SE block?
   • Softmax followed by ReLU
   • Tanh followed by max pooling
   • ReLU followed by sigmoid after the second projection
   • GELU followed by layer normalization
8. An SE block has C = 256 channels and reduction ratio r = 16. What is the bottleneck width?
   • 4 units
   • 32 units
   • 256 units
   • 16 units