Викторина, связанная с руководством · Средний Уровень
Викторина «Сети сжатия и возбуждения»
Проверяются стадии сжатия и возбуждения, изменение веса канала, размер узкого места и доказательства, лежащие в основе архитектуры SE.
Вопрос 1 из 8
Что делает шаг «сжатия» в блоке SE?
Предварительный просмотр каждого вопроса8 вопросы
Ответы и пояснения появляются по мере прохождения теста.
- Что делает шаг «сжатия» в блоке SE?
- Использует глобальное объединение средних значений для суммирования каждого канала в одно значение.
- Обрезает изображение до меньшего размера
- Удаляет лишние каналы навсегда
- Применяет softmax к пространственным местоположениям
- Что выдает шаг «возбуждения»?
- Новый набор фильтров свертки
- Вес каждого канала от 0 до 1.
- Ограничивающая рамка
- Маска сегментации
- Как веса возбуждения применяются к исходным картам объектов?
- Добавлено поэлементно
- Объединены в новые каналы
- Умножение по каналам
- Используется для маскировки пространственных областей.
- Почему для возбуждения используется узкое место с коэффициентом понижения (часто 16)?
- Чтобы увеличить количество выходных классов
- Устранить необходимость в извилинах
- Чтобы сделать сеть более мелкой
- Чтобы сохранить добавленные параметры и выполнить небольшие вычисления
- Какой конкурс SENet выиграла в 2017 году?
- Задача классификации ImageNet ILSVRC
- Проблема обнаружения COCO
- Соревнования Kaggle «Титаник»
- Тест GLUE
- Какие более поздние архитектуры включают блоки SE для повышения эффективности?
- БЕРТ и ГПТ
- EfficientNet и MobileNetV3
- Word2Vec и GloVe
- WaveNet и Такотрон
- In the excitation step, which activations connect the two fully connected layers in the guide’s SE block?
- Softmax followed by ReLU
- Tanh followed by max pooling
- ReLU followed by sigmoid after the second projection
- GELU followed by layer normalization
- An SE block has C = 256 channels and reduction ratio r = 16. What is the bottleneck width?
- 4 units
- 32 units
- 256 units
- 16 units