2026年春江苏开放大学计算机视觉060731第二次形考作业答案

试题列表单选题题型:单选题客观题分值3分难度:较难得分:31下列关于Dropout的描述,正确的是( )A通过减少卷积层和池化层的个数,防⽌过拟合B通过减少卷积层和池化层的个数,提取出局部特征C通过随机删除部分神经元,提取出局部特征D通过随机删除部分神经元,防⽌过拟合学生答案:D老师点评:题型:单选题客观题分值3分难度:较难得分:32VGGNet的参数量主要集中在( )A池化层B卷积层C激活层D全
温馨提示! 升级 VIP 1 免费下载,你当前 未登录
温馨提示! 你需要支付 ¥8.00 元后才可以下载

文档介绍

注意:因为学习平台题目是随机,选择题选项也是随机,一定注意答案对应的选项,同学们在本页按“Ctrl+F”快捷搜索题目中“关键字”就可以快速定位题目!!!

同专业其他作业点击右侧标签查看

试题列表
单选题
题型:单选题客观题分值3分难度:较难得分:3
1
下列关于Dropout的描述,正确的是( )
A
通过减少卷积层和池化层的个数,防⽌过拟合
B
通过减少卷积层和池化层的个数,提取出局部特征
C
通过随机删除部分神经元,提取出局部特征
D
通过随机删除部分神经元,防⽌过拟合
学生答案:D
老师点评:
题型:单选题客观题分值3分难度:较难得分:3
2
VGGNet的参数量主要集中在( )
A
池化层
B
卷积层
C
激活层
D
全连接层
学生答案:D
老师点评:
题型:单选题客观题分值3分难度:较难得分:3
3
相较于Sigmoid和Tanh函数,ReLU函数作为激活函数的特点是( )
A
能够有效缓解梯度消失的问题
B
计算复杂,计算成本⾼昂
C
使模型收敛速度较慢
D
是线性函数
学生答案:A
老师点评:
题型:单选题客观题分值3分难度:简单得分:3
4
卷积神经网络中,若使用RGB图像作为输入,则输入层的通道数为( )
A
256x256
B
128
C
3
D
256
学生答案:C
老师点评:
题型:单选题客观题分值3分难度:中等得分:3
5
GoogLeNet⽹络额外增加了2个辅助的Softmax层作为辅助分类器。下列关于它的描述,错误的是( )
A
辅助分类器给⽹络增加了反向传播的梯度信号,⼀定程度解决了梯度消失的问题
B
辅助分类器提供了额外的正则化
C
辅助分类器⽤于训练和测试阶段
D
辅助分类器将中间某⼀层的输出也纳⼊到最终的分类结果中
学生答案:C
老师点评:
多选题
题型:多选题客观题分值2分难度:一般得分:2
1
卷积神经网络有许多神经层组成,主要包括()
A
分类层
B
归一化层
C
池化层
D
卷积层
学生答案:C;D
老师点评:
题型:多选题客观题分值5分难度:简单得分:5
2
SENet中的Channel Attention机制包含的操作有( )
A
Dropout
B
Shortcut Connection
C
Squeeze
D
Excitation
学生答案:C;D
老师点评:
题型:多选题客观题分值5分难度:困难得分:5
3
下图体现了ResNet⽹络中的Bottleneck Design结构,输⼊为256维的特征,下列描述正确的是( )

A
使⽤Bottleneck Design结构,能解决梯度消失的问题
B
1 × 1卷积核的主要作⽤是,对数据进⾏降维和升维的操作
C
使⽤Bottleneck Design结构,能够减少⽹络中的参数量
D
图中的⽹络结构需要的参数量为1 × 1 × 64 + 3 × 3 × 64 + 1 × 1 × 256
学生答案:B;C
老师点评:
题型:多选题客观题分值4分难度:一般得分:4
4
图像分类的类别有()
A
实例级别分类
B
无标签分类
C
子类细粒度分类
D
多标签分类
学生答案:A;C
老师点评:
题型:多选题客观题分值5分难度:较难得分:5
5
卷积神经⽹络中,卷积过程的步骤包括( )
A
将卷积核放在输⼊数据的某⼀像素区域上
B
把结果输出在特征图的正确位置
C
将卷积核中的每⼀个数值和区域中对应的数值成对相乘
D
将乘积的结果线性叠加
学生答案:A;B;C;D
老师点评:
题型:多选题客观题分值5分难度:中等得分:5
6
下列关于跨物种语义级别的图像分类的描述,正确的是( )
A
分类结果呈类间⽅差较⼩,类内⽅差较⼤的特点
B
主要⽬的是区分属于同⼀个物种⼤类的⼦类
C
分类结果呈类间⽅差较⼤,类内⽅差较⼩的特点
D
主要⽬的是区分属于不同物种或⼤类的对象
学生答案:C;D
老师点评:
题型:多选题客观题分值5分难度:中等得分:5
7
数据增强常⽤的⽅法有( )
A
⽔平翻转
B
颜⾊光照变换
C
随机裁剪
D
平移变换
学生答案:A;B;C;D
老师点评:
题型:多选题客观题分值5分难度:较难得分:5
8
下列关于全连接层的描述,正确的是( )
A
经过卷积层和池化层降维,可以降低全连接层的数据计算量,提升计算效率
B
全连接层与上⼀层输⼊数据之间的部分神经元相互连接
C
全连接层的作⽤是综合已提取的特征
D
全连接层通常在卷积神经⽹络隐藏层的中间部分
学生答案:A;C
老师点评:
简答题
题型:简答题主观题分值12分难度:简单得分:12
1
简述图像分类目前面临的困难和挑战。
学生答案:(购买后获取答案)
题型:简答题主观题分值15分难度:中等得分:15
2
简述softmax层的作用,假设数据集有c个类别,全连接层输出为,给出其对应softmax输出的表示
学生答案:(购买后获取答案)
题型:简答题主观题分值10分难度:简单得分:10
3简述图像分类的含义。
学生答案:(购买后获取答案)
题型:简答题主观题分值12分难度:简单得分:12
4
简述Alexnet共有几层神经网络层,其中卷积层有多少层,全连接层有多少层。
学生答案:(购买后获取答案)

点赞(0) 打赏

评论列表 共有 0 条评论

暂无评论
立即
投稿

微信公众账号

微信扫一扫加关注

发表
评论
返回
顶部