第一节.卷积基础知识
1.简述卷积的基本操作,并分析其与全连接层的区别
答:具有局部连接和权值共享的特点。
卷积操作能够在输出数据中大致保持输入数据的结构信息
2.在卷积神经网络中,如何计算各层的感受野大小?
答:
3.卷积层的输出尺寸、参数量和计算量
答:输出尺寸
第二节.卷积的变种
1.简述分组卷积及其应用场景
答:分组卷积就是将输入通道和输出通道都划分为同样的组数,然后仅让处于相同组号的输入通道和输出通道相互进行全连接。
只要是为了减少计算量。
2.简述转置卷积的主要思想以及应用场景
答:反卷积,本质就是对输入数据进行适当变换(补零、上采样)
3.简述空洞卷积的设计思路
答:空洞卷积就是在标准的卷积核中注入空洞,以增加卷积核的感受野。
4.可变形卷积旨在解决哪类问题
答:可变性卷积让网络具有了学习空间几何形变的能力
第三节:卷积神经网络的整体结构
1.简述卷积神经网络今年来在结构上的发展
答:1.Alexnet
2.vggnet 多个3*3 卷积核代替5*5、7*7
3.googlenet、inception :bottleneck 、1*1
第四节:卷积神经网络的基础模块
1.批归一化是为了解决什么问题?它的参数有何意义?他在网络中一般放在什么位置?
答:批归一化的主要作用是确保网络中各层,即使参数发生了变化,其输入、输出数据的分布也不能产生较大的变化,从而避免发生内部协变量偏移现象。激活函数前后都可以。
2.用于分类任务的卷积神经网络的最后几层一般是什么层?
答:全连接层是对局部信息的整合,相当于把提取的眼鼻口等信息整合后得出结论。
最近使用全局平均池化
3.卷积神经网络的瓶颈结构和沙漏结构提出的初衷是什么?可以应用于那些问题?
答:瓶颈结构降低卷积层的计算量
沙漏结构作用一般是将多尺度信息进行融合