此题为判断题(对,错)。
第1题:
14、以下有关卷积神经网络的说法哪些是正确的?
A.单纯增加卷积神经网络的深度不一定能获得比较好的性能
B.增加卷积神经网络每层卷积核的多样性可以改善网络的性能
C.采用小卷积的级联可以起到大卷积的作用,但减少了网络的参数和过拟合,因此可能获得较高的分类性能
D.卷积神经网络的特征图中的特征很容易归纳解释
第2题:
20、GoogLeNet中1X1卷积核的作用是控制输入的通道个数,减少卷积操作参数,还能起到shortcut的作用
第3题:
下列关于CNN的说法不正确的是()
A.经过卷积运算,无法产生与输入相同大小的输出###SXB###B.CNN中的卷积运算,每个输出特性不用查看每个输入特征,而只需查看部分输入特征。###SXB###C.对图像用一个卷积核进行卷积运算,实际上是一个滤波的过程。每个卷积核都是一种特征提取方式,就像是一个筛子,将图像中符合条件的部分筛选出来。###SXB###D.0填充:用额外的“假”像素(通常值为0)填充边缘。这样,在滑动时的卷积核可以允许原始边缘像素位于卷积核的中心,同时延伸到边缘之外的假像素,从而产生与输入相同大小的输出。第4题:
11、卷积运算中,下列一项处理图像边缘的像素点的方法是错误的?
A.根据卷积核的大小,忽略图像周围一圈的像素
B.根据卷积核的大小,在图像周围先填充一圈纯黑或纯白然后进行卷积运算
C.根据卷积核的大小,在图像边缘新增一圈像素点并根据图像边缘的像素进行插值
D.在图像边缘进行卷积运算的时候,调整卷积核的大小
第5题:
在卷积神经网络中,池化可以起到减少过拟合的作用。