Kuis terkait panduan · Sedang Tingkat
Kuis Jaringan Neural Konvolusional
Uji kernel CNN bersama, downsampling spasial, hierarki fitur yang dipelajari, riwayat AlexNet, penghitungan jaringan keluaran, dan cakupan saluran masukan yang padat.
Pertanyaan 1 dari 8
Apa tugas utama filter (kernel) di CNN?
Pratinjau setiap pertanyaan8 pertanyaan
Jawaban dan penjelasan muncul saat Anda mengikuti kuis.
- Apa tugas utama filter (kernel) di CNN?
- Untuk menyimpan label klasifikasi akhir
- Untuk mengacak piksel secara acak sebelum pelatihan
- Untuk menggeser gambar dan mendeteksi pola visual tertentu
- Untuk mengubah gambar menjadi audio
- 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
- Dalam CNN yang mendalam, bagaimana fitur-fitur secara umum berubah dari lapisan awal ke lapisan selanjutnya?
- Dari keseluruhan objek hingga piksel tunggal
- Mereka tetap identik di setiap lapisan
- Dari teks hingga angka saja
- Dari tepi dan warna yang sederhana hingga bagian yang rumit seperti mata atau roda
- Which named CNN is associated with the influential 2012 ImageNet classification result?
- AlexNet
- ResNet
- Vision Transformer
- SqueezeNet
- Operasi numerik apa yang terjadi ketika filter diterapkan pada potongan gambar?
- Piksel diurutkan dari yang paling gelap ke yang paling terang
- Tambalan dihapus dari gambar
- Setiap bobot dikalikan dengan piksel yang tumpang tindih, dan hasil perkaliannya dijumlahkan
- Piksel diubah menjadi huruf
- 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
- 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