题目内容（请给出正确答案）

[单选题]

提高卷积神经网络分类准确性，以下哪些方法可能是有效的？

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

提问人：网友yaohlin 发布时间：2022-01-07

参考答案

查看官方参考答案

如搜索结果不匹配，请联系老师获取答案

网友答案

查看全部（）

· 有3位网友选择 D，占比33.33%
· 有3位网友选择 B，占比33.33%
· 有2位网友选择 A，占比22.22%
· 有1位网友选择 C，占比11.11%

ABCD

提交我的答案

登录提交答案，可赢取奖励机会。

您可能会需要：

重置密码查看订单联系客服

安装简答题APP，拍照搜题省时又省心！

更多“提高卷积神经网络分类准确性，以下哪些方法可能是有效的？”相关的问题

第1题

（）的个数决定了卷积层的通道数

A、输入层神经元的个数

B、卷积核的个数

C、卷积核的规模

D、全连接层的神经元个数

点击查看答案

第2题

卷积神经网络一般包括卷积层、池化层、全连接层，一般激活函数在卷积层后进行使用。

点击查看答案

第3题

点击查看答案

第4题

2012年以来,深度卷积神经网络已经成为计算机视觉主流方法,网络深度成为()。

A.基本参数

B.关键参数

C.重要参数

D.以上都不对

点击查看答案

第5题

选择最能代表下面主要概念的检索关键词集：基于卷积神经网络的图像语义分割

A、卷积神经网络图形实例分割

B、卷积神经网络图像语义分割

C、CNN 图像语义分割

D、卷积神经网络图像语义分割

点击查看答案

第6题

A、训练耗时

B、局部最优解

C、层次越多学习能力越差

D、梯度弥散，越远离最后一层误差越不明显

点击查看答案

第7题

提升卷积神经网络对图像的特征获取能力有效的方法包括以下哪些方面？

A、采用不同大小的卷积：在开始的卷积层采用大卷积核获得粗大的特征，然后再后续的卷积层采用小卷积核获得细致的特征

B、同一隐层组合不同大小的卷积核函数

C、采用shortcut等方式，随着网络层次的加深，减少特征的损失

D、多增加池化操作

点击查看答案

第8题

哪些权重的取值或调整方法可以改善卷积神经网络的训练和性能？

A、He初始化

B、batch normalization

C、dropout

D、任意随机初始化

点击查看答案

第9题

交叠池化（即池化核大小比步长大）可以减少特征图的信息损失，但增加了计算量

点击查看答案

第10题

batchnormalization(BN)可以改善网络训练的稳定性，但也会一定程度上影响卷积神经网络的分类性能

点击查看答案

警告：系统检测到您的账号存在安全风险

为了保护您的账号安全，请在“简答题”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！

微信搜一搜

简答题

点击打开微信

警告：系统检测到您的账号存在安全风险

抱歉，您的账号因涉嫌违反简答题购买须知被冻结。您可在“简答题”微信公众号中的“官网服务”-“账号解封申请”申请解封，或联系客服。

微信搜一搜

简答题

点击打开微信