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。
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。
- 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
- 「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
- 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
- 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
- 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
- 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
- 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