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

发布时间:2023年12月26日

课程4_第3周_测验题

目录

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?]

在这里插入图片描述

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?]

在这里插入图片描述

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?

在这里插入图片描述

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? 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? 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

在这里插入图片描述

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?

在这里插入图片描述

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)

文章来源:https://blog.csdn.net/coldstarry/article/details/135232227
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。