引導式測驗 · 中等 等級

擠壓和激勵網路測驗

檢查擠壓和激勵階段、通道重新加權、瓶頸維度以及 SE 架構背後的證據。

相關引導路徑擠壓和激勵網絡
問題 1 的 8

SE 區塊中的「擠壓」步驟有什麼作用?

預覽每個問題8 問題

當您參加測驗時,就會出現答案和解釋。

  1. SE 區塊中的「擠壓」步驟有什麼作用?
    • 使用全域平均池化將每個通道匯總為一個值
    • 將影像裁切為較小尺寸
    • 永久刪除冗餘通道
    • 對空間位置應用 softmax
  2. 「激勵」步驟輸出什麼?
    • 一組新的捲積濾波器
    • 每個通道的權重介於 0 和 1 之間
    • 邊界框
    • 分割掩模
  3. 激勵權重如何應用於原始特徵圖?
    • 按元素添加
    • 連接為新頻道
    • 按通道相乘
    • 用於遮蓋空間區域
  4. 為什麼激勵使用具有減速比(通常為16)的瓶頸?
    • 增加輸出類別的數量
    • 消除對卷積的需要
    • 使網路更淺
    • 保持添加的參數和計算量較小
  5. SENet 在 2017 年贏得了哪些比賽?
    • ImageNet ILSVRC 分類挑戰
    • COCO 檢測挑戰
    • Kaggle 泰坦尼克號競賽
    • GLUE 基準測試
  6. 哪些後來的架構嵌入了 SE 區塊以提高效率?
    • BERT 和 GPT
    • EfficientNet 和 MobileNetV3
    • Word2Vec 和 GloVe
    • WaveNet 和 Tacotron
  7. 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
  8. 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