Викторина, связанная с руководством · Средний Уровень
Викторина «Расширенные и агрессивные извилины»
Проверьте расстояние расширения, рецептивные поля, сегментацию, WaveNet, сетку и параллельный многомасштабный контекст в сложных извилинах.
Вопрос 1 из 8
Что делает степень расширения больше 1 с ядром свертки?
Предварительный просмотр каждого вопроса8 вопросы
Ответы и пояснения появляются по мере прохождения теста.
- Что делает степень расширения больше 1 с ядром свертки?
- Он вставляет промежутки между массами ядер, чтобы они охватывали более широкую область.
- Он добавляет в ядро больше обучаемых весов.
- Он сжимает ядро до одной точки
- Он преобразует ядро в операцию объединения
- Насколько большой регион эффективно охватывает ядро 3x3 со степенью расширения 2?
- 3х3
- 5х5
- 7х7
- 9x9
- Почему расширенные свертки особенно полезны для семантической сегментации?
- Они сводят изображение к одной этикетке
- Они устраняют необходимость в каких-либо обучающих данных.
- Они увеличивают рецептивное поле, сохраняя при этом высокое разрешение карты объектов.
- Они работают только с изображениями в оттенках серого.
- От чего произошел термин атрос?
- Латинское слово, обозначающее слой
- Аббревиатура метода обучения.
- Имя его изобретателя
- По-французски «трус», то есть с дырками.
- Почему в WaveNet ценны сложенные расширенные свертки?
- Они генерируют изображения вместо звука
- Они эффективно фиксируют очень дальние зависимости в форме звукового сигнала.
- Они удаляют всю тишину из записей
- Они конвертируют аудио в текст напрямую
- Какая проблема может возникнуть, если вы объедините расширенные свертки с неудачно выбранной одиночной скоростью?
- Сеть становится слишком маленькой для обучения
- Изображение постоянно повернуто
- Артефакты сетки, при которых некоторые входные позиции никогда не выбираются.
- Все веса становятся равными нулю
- 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
- 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