Вікторина, пов’язана з посібником · Середній Рівень
Тест щодо розширених і атральних звивин
Перевірте відстань розширення, рецептивні поля, сегментацію, WaveNet, сітку та паралельний багатомасштабний контекст у атральних звивинах.
Питання 1 з 8
Що робить швидкість розширення більше 1 для ядра згортки?
Перегляньте кожне запитання8 запитання
Відповіді та пояснення з’являються під час виконання тесту.
- Що робить швидкість розширення більше 1 для ядра згортки?
- Він вставляє проміжки між вагами ядер, щоб вони охоплювали ширшу область
- Це додає ядру більше вагових коефіцієнтів
- Він звужує ядро до однієї точки
- Він перетворює ядро на операцію об’єднання
- Наскільки великий регіон ефективно охоплює ядро 3x3 зі швидкістю розширення 2?
- 3x3
- 5x5
- 7x7
- 9x9
- Чому розширені згортки особливо корисні для семантичної сегментації?
- Вони зводять зображення до однієї мітки
- Вони усувають потребу в будь-яких навчальних даних
- Вони збільшують сприйнятливе поле, зберігаючи високу роздільну здатність карти функцій
- Вони працюють лише на зображеннях у градаціях сірого
- Від чого походить термін атрозний?
- Латинське слово для шару
- Акронім від методу навчання
- Ім'я його винахідника
- Французьке trous, що означає з дірками
- Чому складені розширені згортки цінні у WaveNet?
- Вони створюють зображення замість звуку
- Вони ефективно вловлюють дуже великі залежності у формі звукового сигналу
- Вони видаляють всю тишу із записів
- Вони перетворюють звук безпосередньо в текст
- Яка проблема може виникнути, якщо скласти розширені згортки з невдало вибраною єдиною швидкістю?
- Мережа стає занадто малою для навчання
- Зображення постійно повертається
- Артефакти сітки, де деякі вхідні позиції ніколи не вибираються
- Усі ваги стають нульовими
- 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