【吴恩达deeplearning.ai】Course 4 - 卷积神经网络 - 第三周测验

←上一篇↓↑下一篇→
3.10 候选区域回到目录4.1 什么是人脸识别?

总结

习题

第 121 题

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=\left[ p_c,b_x,b_y,b_h,b_w,c_1,c_2,c_3 \right] 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 ] y=[1, 0.3, 0.7, 0.3, 0.3, 0, 1, 0] 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 ] y=[1, 0.7, 0.5, 0.3, 0.3, 0, 1, 0] 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 ] y=[1, 0.3, 0.7, 0.5, 0.5, 0, 1, 0] 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 ] y=[1, 0.3, 0.7, 0.5, 0.5, 1, 0, 0] 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 ] y=[0, 0.2, 0.4, 0.5, 0.5, 0, 1, 0] y=[0,0.2,0.4,0.5,0.5,0,1,0]

第 122 题

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=\left[ p_c,b_x,b_y,b_h,b_w,c_1,c_2,c_3 \right] y=[pc,bx,by,bh,bw,c1,c2,c3]
在这里插入图片描述
A. y = [ 1 , ? , ? , ? , ? , 0 , 0 , 0 ] y=[1, ?, ?, ?, ?, 0, 0, 0] y=[1,?,?,?,?,0,0,0]

B. y = [ 0 , ? , ? , ? , ? , ? , ? , ? ] y=[0, ?, ?, ?, ?, ?, ?, ?] y=[0,?,?,?,?,?,?,?]

C. y = [ ? , ? , ? , ? , ? , ? , ? , ? ] y=[?, ?, ?, ?, ?, ?, ?, ?] y=[?,?,?,?,?,?,?,?]

D. y = [ 0 , ? , ? , ? , ? , 0 , 0 , 0 ] y=[0, ?, ?, ?, ?, 0, 0, 0] y=[0,?,?,?,?,0,0,0]

E. y = [ 1 , ? , ? , ? , ? , ? , ? , ? ] y=[1, ?, ?, ?, ?, ?, ?, ?] y=[1,?,?,?,?,?,?,?]

第 123 题

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:
在这里插入图片描述
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 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

第 124 题

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 N N
B. 2 N 2N 2N
C. 3 N 3N 3N
D. N 2 N^2 N2

第 125 题

在训练课程中描述的一个对象检测系统中,您需要一个训练集,其中包含许多要检测的对象的图片。但是,由于该算法可以学习自检测对象,因此不需要在训练集中提供边界框。

A.正确 B.错误

第 126 题

如你正在应用一个滑动窗口分类器(非卷积实现),增加步长不仅会提高准确性,也会降低成本。

A.正确 B.错误

第 127 题

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

第 128 题

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

第 129 题

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

第 130 题

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 y 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)

121-130题 答案

121.A 122.B 123.B 124.B 125.B 126.B 127.A 128.B 129.C 130.C

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值