VGG对图像的分类准确度高于AlexNet的原因可能不是下面的哪一项?
A.较小的卷积核
B.更多的隐层(深度大)
C.训练次数多
D.多个卷积层组成的模块
A.较小的卷积核
B.更多的隐层(深度大)
C.训练次数多
D.多个卷积层组成的模块
A、卷积层使用卷积+ReLU+batch normalization的结构
B、mini-batch的batch值越大越好
C、增加池化层的个数可以提高网络训练参数,但降低了网络性能
D、激活函数尽量选择Sigmoid等函数,提高网络的非线性拟合能力
A、为适应不同大学的图形特征的获取,采用了多种大小的卷积核
B、网络的宽度和深度都得到了加强,特征获得更充分
C、通过线性堆叠各种Inception模块,在不明显增加网络课训练参数的情况下,提升网络的性能
D、GoogLeNetL的两个辅助分类器的主要目的是增加分类子模型,提高分类准确度
A、ResNet的梯度通过shortcut回到更早的层,缓解了网络因为深度增大导致的梯度消失
B、引出了残差模块,简化了学习
C、改善了网络的特征获取能力
D、减少了计算量
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
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
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!