返回课程
下一页
互动测验
测试你的知识！
1
直接在 224x224x3 等大尺寸图像上使用全连接神经网络（fully connected）的主要缺点是什么？
A
会导致信息的严重丢失。
B
参数数量过多，导致训练成本过高。
C
网络无法处理彩色图像。
D
全连接网络与图像不兼容。
2
在卷积神经网络中，卷积层的主要功能是什么？
A
通过删除像素来减少图像的维度。
B
通过权重共享来检测局部模式，同时限制参数数量。
C
将彩色图像转换为灰度图像。
D
对像素应用非线性变换。
3
在二维卷积层中，参数 kernel_size 表示什么？
A
层中使用的滤波器数量。
B
滤波器移动的步长大小。
C
卷积滤波器的大小，例如 3 表示 3x3 的滤波器。
D
输出通道的数量。
4
在卷积层中使用大于 1 的步长（stride）的主要效果是什么？
A
增加输出的空间分辨率。
B
通过下采样减少输出的空间分辨率。
C
增加输出通道的数量。
D
在图像周围添加填充像素。
5
卷积层中填充（padding）的作用是什么？
A
在边缘添加值，以便滤波器能均匀应用于所有像素。
B
增加滤波器的深度。
C
减小输入图像的尺寸。
D
在卷积后应用非线性激活。
6
在卷积网络中，MaxPooling 和 AveragePooling 的主要区别是什么？
A
MaxPooling 取像素组的最大值，AveragePooling 取平均值。
B
MaxPooling 增加特征图的尺寸，AveragePooling 减小尺寸。
C
MaxPooling 有参数，AveragePooling 没有参数。
D
MaxPooling 应用卷积，AveragePooling 应用激活。
7
为什么堆叠多个卷积层会增加网络的感受野？
A
因为每一层都增加了滤波器的尺寸。
B
因为连续的层将局部交互结合起来，覆盖更大的区域。
C
因为每一层的填充都在增加。
D
因为步长总是固定为 1。
8
在 U-Net 分割架构中，编码器和解码器之间的连接的主要目的是什么？
A
减小输出图像的尺寸。
B
在保留局部精确信息的同时，允许全局抽象。
C
增加网络的深度。
D
允许使用一维卷积。
9
在卷积网络中，通常使用哪种层来增加空间分辨率，特别是在 U-Net 的解码器部分？
A
MaxPooling 层。
B
全连接层。
C
转置卷积层（ConvTranspose）。
D
批归一化层。
10
与传统的全连接网络相比，卷积网络在 MNIST 等数据集上表现出哪些优势？
A
更容易处理灰度图像，但参数更多。
B
精度相似，但参数更多。
C
精度更高，但参数更少。
D
精度更高，但仅限于彩色图像。
Score: 0/10
得分: 0/10