Quiz o splotowych sieciach neuronowych

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

1. Jakie jest główne zadanie filtra (jądra) w CNN?
   • Do przechowywania ostatecznej etykiety klasyfikacyjnej
   • Aby losowo przetasować piksele przed treningiem
   • Aby przesuwać się po obrazie i wykrywać określony wzór wizualny
   • Aby przekonwertować obraz na dźwięk
2. 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
3. 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
4. Jak w głębokim CNN ogólnie zmieniają się funkcje z wczesnych warstw na późniejsze?
   • Od całych obiektów po pojedyncze piksele
   • Pozostają identyczne w każdej warstwie
   • Tylko od tekstu do liczb
   • Od prostych krawędzi i kolorów po złożone części, takie jak oczy lub koła
5. Which named CNN is associated with the influential 2012 ImageNet classification result?
   • AlexNet
   • ResNet
   • Vision Transformer
   • SqueezeNet
6. Jaka operacja numeryczna ma miejsce po zastosowaniu filtra do fragmentu obrazu?
   • Piksele są sortowane od najciemniejszych do najjaśniejszych
   • Łatka zostanie usunięta z obrazu
   • Każda waga jest mnożona przez nakładający się piksel, a produkty są sumowane
   • Piksele są konwertowane na litery
7. 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
8. 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