Kuis Konvolusi yang Melebar dan Mengerikan

Jawaban dan penjelasan muncul saat Anda mengikuti kuis.

1. Apa pengaruh laju dilatasi yang lebih besar dari 1 terhadap kernel konvolusi?
   • Ini menyisipkan celah di antara bobot kernel sehingga mencakup area yang lebih luas
   • Ini menambahkan lebih banyak bobot yang bisa dipelajari ke kernel
   • Ini mengecilkan kernel menjadi satu titik
   • Ini mengubah kernel menjadi operasi pengumpulan
2. Kernel 3x3 dengan tingkat dilatasi 2 secara efektif menjangkau seberapa luas suatu wilayah?
   • 3x3
   • 5x5
   • 7x7
   • 9x9
3. Mengapa konvolusi yang melebar sangat berguna untuk segmentasi semantik?
   • Mereka mengurangi gambar menjadi satu label
   • Mereka menghilangkan kebutuhan akan data pelatihan apa pun
   • Mereka memperbesar bidang reseptif sekaligus menjaga resolusi peta fitur tetap tinggi
   • Mereka hanya bekerja pada gambar skala abu-abu
4. Istilah atrous berasal dari apa?
   • Kata Latin untuk lapisan
   • Singkatan dari metode pelatihan
   • Nama penemunya
   • Bahasa Perancis a trous yang artinya berlubang
5. Di WaveNet, mengapa konvolusi dilatasi bertumpuk berharga?
   • Mereka menghasilkan gambar, bukan audio
   • Mereka menangkap ketergantungan jangka panjang dalam bentuk gelombang audio secara efisien
   • Mereka menghapus semua keheningan dari rekaman
   • Mereka mengubah audio menjadi teks secara langsung
6. Masalah apa yang dapat timbul jika Anda menumpuk konvolusi yang melebar dengan pilihan laju tunggal yang buruk?
   • Jaringan menjadi terlalu kecil untuk dilatih
   • Gambar diputar secara permanen
   • Artefak gridding, di mana beberapa posisi masukan tidak pernah diambil sampelnya
   • Semua bobot menjadi nol
7. 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
8. 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