sheng的学习笔记-【中】【吴恩达课后测验】Course 4 -卷积神经网络 - 第三周测验
课程4_第3周_测验题
第一题
1.现在你要构建一个能够识别三个对象并定位位置的算法,这些对象分别是:行人(c=1),汽车(c=2),摩托车(c=3)。下图中的标签哪个是正确的?
注: y = [ p c , b x , b y , b h , b w , c 1 , c 2 , c 3 ] y=[p_c,b_x,b_y,b_h,b_w,c_1,c_2,c_3] y=[pc?,bx?,by?,bh?,bw?,c1?,c2?,c3?]
A. 【 ?】y=[1, 0.3, 0.7, 0.3, 0.3, 0, 1, 0]
B. 【 ?】y=[1, 0.7, 0.5, 0.3, 0.3, 0, 1, 0]
C. 【 ?】y=[1, 0.3, 0.7, 0.5, 0.5, 0, 1, 0]
D. 【 ?】y=[1, 0.3, 0.7, 0.5, 0.5, 1, 0, 0]
E. 【 ?】y=[0, 0.2, 0.4, 0.5, 0.5, 0, 1, 0]
答案:
A.【 √ 】y=[1, 0.3, 0.7, 0.3, 0.3, 0, 1, 0]
第二题
2.继续上一个问题,下图中y的值是多少?注:“?”是指“不关心这个值”,这意味着神经网络的损失函数不会关心神经网络对输出的结果,和上面一样, y = [ p c , b x , b y , b h , b w , c 1 , c 2 , c 3 ] y=[p_c,b_x,b_y,b_h,b_w,c_1,c_2,c_3] y=[pc?,bx?,by?,bh?,bw?,c1?,c2?,c3?]。
A. 【 ?】y=[1, ?, ?, ?, ?, 0, 0, 0]
B. 【 ?】y=[0, ?, ?, ?, ?, ?, ?, ?]
C. 【 ?】y=[?, ?, ?, ?, ?, ?, ?, ?]
D. 【 ?】y=[0, ?, ?, ?, ?, 0, 0, 0]
E. 【 ?】y=[1, ?, ?, ?, ?, ?, ?, ?]
答案:
B.【 √ 】y=[0, ?, ?, ?, ?, ?, ?, ?]
第三题
3.你现在任职于自动化工厂中,您的系统将看到一罐饮料沿着传送带向下移动,你要对其进行拍照,然后确定照片中是否有饮料罐,如果有的话就对其进行包装。饮料罐头是圆的,而包装盒是方的,每一罐饮料的大小是一样的,每个图像中最多只有一罐饮料,现在你有下面的方案可供选择,这里有一些训练集图像,你的神经网络最合适的输出单位是什么?
A. 【 ?】逻辑单元(用于分类图像中是否有罐头)
B. 【 ?】逻辑单元, b x b_x bx?和 b y b_y by?
C. 【 ?】逻辑单元, b x , b y , b h b_x,b_y,b_h bx?,by?,bh? (因为 b w = b h b_w=b_h bw?=bh?,所以只需要一个就行了)
D. 【 ?】逻辑单元, b x , b y , b h , b w b_x,b_y,b_h,b_w bx?,by?,bh?,bw?
答案:
B.【 √ 】逻辑单元, b x b_x bx?和 b y b_y by?
第四题
4.如果你想要构建一个能够输入人脸图片输出为N个标记的神经网络(假设图像只包含一张脸),那么你的神经网络有多少个输出节点?
A. 【 ?】N
B. 【 ?】2N
C. 【 ?】3N
D. 【 ?】 N 2 N^2 N2
答案:
B.【 √ 】2N
第五题
5.当你训练一个视频中描述的对象检测系统时,里需要一个包含了检测对象的许多图片的训练集,然而边界框不需要在训练集中提供,因为算法可以自己学习检测对象,这个说法对吗?
A. 【 ?】正确
B. 【 ?】错误
答案:
B.【 √ 】错误
第六题
6.假如你正在应用一个滑动窗口分类器(非卷积实现),增加步伐不仅会提高准确性,也会降低成本。
A. 【 ?】正确
B. 【 ?】错误
答案:
B.【 √ 】错误
第七题
7.在YOLO算法中,在训练时,只有一个单元(该单元包含对象的中心/中点)负责检测这个对象。
A. 【 ?】正确
B. 【 ?】错误
答案:
A.【 √ 】正确
第八题
8.这两个框中IoU大小是多少?左上角的框是2x2大小,右下角的框是2x3大小,重叠部分是1x1
A. 【 ?】1/6
B. 【 ?】1/9
C. 【 ?】1/10
D. 【 ?】以上都不是
答案:
B.【 √ 】1/9
第九题
9.假如你在下图中的预测框中使用非最大值抑制,其参数是放弃概率≤ 0.4的框,并决定两个框IoU的阈值为0.5,使用非最大值抑制后会保留多少个预测框?
A. 【 ?】3
B. 【 ?】4
C. 【 ?】5
D. 【 ?】6
E. 【 ?】7
答案:
C.【 √ 】5
第十题
10.假如你使用YOLO算法,使用19x19格子来检测20个分类,使用5个锚框(anchor box)。在训练的过程中,对于每个图像你需要输出卷积后的结果y作为神经网络目标值(这是最后一层),y可能包括一些“?”或者“不关心的值”。请问最后的输出维度是多少?
A. 【 ?】19x19x(25x20)
B. 【 ?】19x19x(20x25)
C. 【 ?】19x19x(5x25)
D. 【 ?】19x19x(5x20)
答案:
C.【 √ 】19x19x(5x25)
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。 如若内容造成侵权/违法违规/事实不符,请联系我的编程经验分享网邮箱:veading@qq.com进行投诉反馈,一经查实,立即删除!