返回课程
下一页
互动测验
测试你的知识！
1
人脸验证的主要任务是什么？
A
在完整的数据库中自动识别照片中的人物
B
验证两张照片是否属于同一个人
C
根据示例照片生成逼真的人脸图像
D
识别群体照片中所有人物
2
在人脸验证模型训练中，对比损失函数的主要目标是什么？
A
最小化不同图像之间的距离，最大化相似图像之间的距离
B
最大化所有图像之间的距离，无论是否相似
C
最小化同一类别图像之间的距离，并确保不同类别图像之间保持最小边界距离
D
仅最小化不同图像之间的距离
3
为什么在对比损失函数中使用边界参数（\(m\)）？
A
通过降低模型复杂性来加速训练
B
防止模型学习到平凡的常数函数，并提升泛化能力
C
增加模型处理的图像大小
D
确保相似图像之间的距离始终为零
4
在所介绍的 SiameseNetwork 模型架构中，卷积网络的作用是什么？
A
根据嵌入向量生成合成图像
B
提取图像的相关特征，同时对几何失真保持鲁棒性
C
对输入图像进行归一化处理
D
直接以像素级计算两张图像之间的距离
5
人脸验证与人脸识别之间的主要区别是什么？
A
人脸验证在数据库中识别人物，人脸识别仅比较两张图像
B
人脸验证将照片与给定身份进行比较，人脸识别在更大的数据库中自动识别人物
C
人脸识别仅用于人脸检测，人脸验证用于人脸识别
D
两者无区别，术语可互换
6
人脸识别中使用的三元组损失（triplet loss）的原理是什么？
A
最小化一张图像与数据库中所有其他图像之间的距离
B
最大化数据集中随机选取的两张图像之间的距离
C
在保持锚点与负样本之间距离的同时，最小化锚点与正样本之间的距离，并保持一定边界
D
使用三张相同图像提升模型的鲁棒性
7
在对比非监督训练（SimCLR 方法）中，正样本对是如何形成的？
A
数据集中两张随机的不同图像
B
一张图像及另一张属于同一类别（已知标签）的极其相似图像
C
同一图像经过不同增强变换后得到的两张图像
D
由对抗生成器生成的两张图像
8
图像对比非监督训练的主要优势是什么？
A
需要大量带标签的图像
B
无需使用标签即可学习到相关的表示
C
仅适用于人脸图像
D
保证在所有分类任务上取得完美性能
9
以下非监督方法中，哪种基于生成器与判别器之间的对抗训练？
A
自编码器
B
生成对抗网络（GAN）
C
SimCLR 方法
D
旋转预测（RotNet）
10
对比非监督训练后进行微调的主要原因是什么？
A
训练模型仅识别人工生成的图像
B
将在通用任务上预训练的模型适配到带标签的特定任务
C
减少初始模型的大小
D
将监督模型转换为非监督模型
Score: 0/10
得分: 0/10