แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ

แบบทดสอบการโน้มน้าวใจแบบขยายและรุนแรง

ตรวจสอบระยะห่างของการขยาย ช่องรับสัญญาณ การแบ่งส่วน WaveNet การวางกริด และบริบทหลายสเกลคู่ขนานในการบิดเบี้ยวที่รุนแรง

เส้นทางแนะนำที่เกี่ยวข้องการชักแบบขยายและรุนแรง
คำถาม 1 ของ 8

อัตราการขยายตัวที่มากกว่า 1 ส่งผลต่อเคอร์เนล Convolution อย่างไร

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  1. อัตราการขยายตัวที่มากกว่า 1 ส่งผลต่อเคอร์เนล Convolution อย่างไร
    • โดยจะแทรกช่องว่างระหว่างน้ำหนักเคอร์เนลเพื่อให้ครอบคลุมพื้นที่ที่กว้างขึ้น
    • มันเพิ่มน้ำหนักที่สามารถเรียนรู้ได้มากขึ้นให้กับเคอร์เนล
    • มันย่อขนาดเคอร์เนลให้เหลือจุดเดียว
    • มันจะแปลงเคอร์เนลเป็นการดำเนินการรวมกลุ่ม
  2. เคอร์เนล 3x3 ที่มีอัตราการขยาย 2 ครอบคลุมพื้นที่ขนาดใหญ่เพียงใด
    • 3x3
    • 5x5
    • 7x7
    • 9x9
  3. เหตุใดการบิดแบบขยายจึงมีประโยชน์อย่างยิ่งสำหรับการแบ่งส่วนความหมาย
    • พวกเขาลดขนาดรูปภาพให้เป็นป้ายกำกับเดียว
    • โดยไม่จำเป็นต้องใช้ข้อมูลการฝึกอบรมใดๆ
    • โดยจะขยายเขตข้อมูลที่เปิดกว้างในขณะที่รักษาความละเอียดของแผนที่คุณลักษณะให้สูง
    • ใช้งานได้กับภาพระดับสีเทาเท่านั้น
  4. คำว่า Arous มีที่มาจากอะไร?
    • คำภาษาละตินสำหรับชั้น
    • ตัวย่อสำหรับวิธีการฝึกอบรม
    • ชื่อของผู้ประดิษฐ์
    • ชาวฝรั่งเศส trous แปลว่า มีรู
  5. ใน WaveNet เหตุใดการบิดแบบขยายแบบซ้อนจึงมีคุณค่า
    • พวกเขาสร้างภาพแทนเสียง
    • พวกเขาจับการพึ่งพาระยะยาวมากในรูปคลื่นเสียงได้อย่างมีประสิทธิภาพ
    • พวกเขาลบความเงียบทั้งหมดออกจากการบันทึก
    • พวกเขาแปลงเสียงเป็นข้อความโดยตรง
  6. ปัญหาอะไรจะเกิดขึ้นหากคุณซ้อนการบิดแบบขยายด้วยอัตราเดียวที่เลือกไม่ดี
    • เครือข่ายมีขนาดเล็กเกินกว่าจะฝึกอบรมได้
    • รูปภาพจะถูกหมุนอย่างถาวร
    • สิ่งประดิษฐ์การวางตาราง โดยที่ตำแหน่งอินพุตบางตำแหน่งไม่เคยสุ่มตัวอย่าง
    • น้ำหนักทั้งหมดกลายเป็นศูนย์
  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