Gids-gekoppelde quiz · Middelmatig Niveau

Quiz over squeeze-en-excitatienetwerken

Controleert de squeeze- en excitatiefasen, kanaalherweging, knelpuntdimensie en het bewijs achter de SE-architectuur.

Gerelateerde gidspadenKnijp- en excitatienetwerken
Vraag 1 van 8

Wat doet de 'squeeze'-stap in een SE-blok?

Bekijk elke vraag8 vragen

Antwoorden en uitleg verschijnen terwijl je de quiz doet.

  1. Wat doet de 'squeeze'-stap in een SE-blok?
    • Maakt gebruik van globale gemiddelde pooling om elk kanaal in één waarde samen te vatten
    • Snijdt de afbeelding bij tot een kleiner formaat
    • Verwijdert overtollige kanalen permanent
    • Past een softmax toe op ruimtelijke locaties
  2. Wat levert de 'excitatie'-stap op?
    • Een nieuwe set convolutiefilters
    • Een gewicht per kanaal tussen 0 en 1
    • Een grenskader
    • Een segmentatiemasker
  3. Hoe worden de excitatiegewichten toegepast op de originele feature maps?
    • Elementsgewijs toegevoegd
    • Aaneengeschakeld als nieuwe kanalen
    • Vermenigvuldigd per kanaal
    • Wordt gebruikt om ruimtelijke gebieden te maskeren
  4. Waarom wordt bij de excitatie gebruik gemaakt van een bottleneck met een reductieverhouding (vaak 16)?
    • Om het aantal uitvoerklassen te vergroten
    • Om de noodzaak van convoluties weg te nemen
    • Om het netwerk ondieper te maken
    • Om de toegevoegde parameters te behouden en klein te berekenen
  5. Welke competitie heeft SENet in 2017 gewonnen?
    • De ImageNet ILSVRC-classificatie-uitdaging
    • De COCO-detectie-uitdaging
    • De Kaggle Titanic-wedstrijd
    • De GLUE-benchmark
  6. Welke latere architecturen integreren SE-blokken voor efficiëntie?
    • BERT en GPT
    • EfficiëntNet en MobileNetV3
    • Word2Vec en GloVe
    • WaveNet en Tacotron
  7. In de excitatiestap, welke activaties verbinden de twee volledig verbonden lagen in het SE‑blok van de gids?
    • Softmax gevolgd door ReLU
    • Tanh gevolgd door max‑pooling
    • ReLU gevolgd door sigmoid na de tweede projectie
    • GELU gevolgd door layer‑normalisatie
  8. Een SE‑blok heeft C = 256 kanalen en een reductieverhouding r = 16. Wat is de bottleneck‑breedte?
    • 4 units
    • 32 units
    • 256 units
    • 16 units