第1题
A.全连接层的作用就是分类,全连接层的每一个节点都与上一层的所有节点相连接,将前一层的特征进行进一步组合
B.损失函数的作用是用来估算模型的预测值与实际值的差距的函数
C.卷积神经网络中的池化层又称为下采样层,该层的目的是降低特征图的维度,进而降低卷积神经网络的参数量,减少过拟合
D.卷积神经网络前面的各层是将图像的低维特征映射到抽象特征空间,全连接层则将抽象特征映射到样本标记空间中
第2题
A.卷积层与池化层是一一配对的
B.多个3X3小卷积的级联效果与5X5和7X7的大卷积核功能相仿
C.使用了dropout减少过拟合
D.使用不同数量的卷积核拼成模块,同一模块特征图的尺寸不变
第5题
A.SSD采用了Anchor机制使用全图各个位置多尺度区域特征进行回归
B.SSD中多尺度特征图将卷积层改成全连接层
C.SSD中辅助卷积层是用于物体对象分类
D.SSD中大尺度特征图主要用来检测大物体
第6题
A.多层前向神经网络一般需要同一层神经元间相互连接
B.深度学习一般使用具有多个隐藏层的神经网络
C.训练神经网络的主要目的是学习神经元间的连接权值
D.卷积神经网络可以逐层抽取数据特征实现自动特征学习
第7题
A.增加可调整参数的隐层数目
B.使用图像进行旋转、裁剪、拉伸、裁剪等进行样本增强
C.采用小卷积核,提高通道的个数
D.增强特征获取能力对样本按照一定的方式排序
为了保护您的账号安全,请在“上学吧”公众号进行验证,点击“官网服务”-“账号验证”后输入验证码“”完成验证,验证成功后方可继续查看答案!