下面关于卷积核大小设置的描述中,正确的是哪个?
A.卷积核只能选择3、5、7等奇数值。
B.卷积核越大,其取得的特征越明显,学习到的特征越多。
C.卷积核越小,其计算量越多,训练模型的时间越长。
D.卷积核越大,越容易提取细节特征
A.卷积核只能选择3、5、7等奇数值。
B.卷积核越大,其取得的特征越明显,学习到的特征越多。
C.卷积核越小,其计算量越多,训练模型的时间越长。
D.卷积核越大,越容易提取细节特征
第1题
A.局部感知使网络可以提取图像的局部特征,而权值共享大大降低了网络的训练难度
B.通道数量越多,获得的特征图(Featuremap)就越多
C.卷积是指对图像的窗口数据和滤波矩阵做内积的操作,在训练过程中滤波矩阵的大小和值不变
D.SAME填充和VALID填充的主要区别是前者向图像边缘添加0值,而后者可能会忽略来自图像边缘的值
第2题
A.576
B.36864
C.36928
D.36128
第6题
A.393932
B.404032
C.444416
D.292932
第7题
A.使用较小的卷积,并统一卷积核的大小
B.使用定点计算的神经网络代替浮点运算
C.使用ReLU作为非线性激发函数
D.增加网络的深度
第9题
输入图像为37×37,经过第一层卷积(卷积核数量为25,每个卷积核大小为5×5,paddding方式为valid,步长为1)和池化层(卷积核大小为3×3,paddding方式为valid,),输出特征图大小为()。
A.10×10
B.11×11
C.12×12
D.13×13
第10题
A.FasterRCNN主要是采用选择性搜索实现候选框提取
B.FasterRCNN使用SVM进行目标类别分类
C.FasterRCNN使用一个卷积实现分类和位置微调
D.FasterRCNN的损失函数与RCNN相同,位置损失函数采用交叉熵
第11题
A.对数据进行降维,减少数据特征,减少网络参数和运行次数,避免过拟合
B.针对图像中的像素进行处理,并将卷积得到的特征结果中的所有负像素值替换为零;激励函数使用relu函数时会针对图像中的像素进行处理,并将卷积得到的特征结果中的所有负像素值替换为零;特征提取和锐化是在卷积层完成的
C.池化层常被用于提取图像的边缘特征
D.池化层常被用于图像的锐化