试题列表
单选题
题型：单选题客观题分值3分难度：较难得分：3
1
下列关于Dropout的描述，正确的是（ ）
A
通过减少卷积层和池化层的个数，防⽌过拟合
B
通过减少卷积层和池化层的个数，提取出局部特征
C
通过随机删除部分神经元，提取出局部特征
D
通过随机删除部分神经元，防⽌过拟合
学生答案：D
老师点评：
题型：单选题客观题分值3分难度：较难得分：3
2
VGGNet的参数量主要集中在（ ）
A
池化层
B
卷积层
C
激活层
D
全连接层
学生答案：D
老师点评：
题型：单选题客观题分值3分难度：较难得分：3
3
相较于Sigmoid和Tanh函数，ReLU函数作为激活函数的特点是（ ）
A
能够有效缓解梯度消失的问题
B
计算复杂，计算成本⾼昂
C
使模型收敛速度较慢
D
是线性函数
学生答案：A
老师点评：
题型：单选题客观题分值3分难度：简单得分：3
4
卷积神经网络中，若使用RGB图像作为输入，则输入层的通道数为（ ）
A
256×256
B
128
C
3
D
256
学生答案：C
老师点评：
题型：单选题客观题分值3分难度：中等得分：3
5
GoogLeNet⽹络额外增加了2个辅助的Softmax层作为辅助分类器。下列关于它的描述，错误的是（ ）
A
辅助分类器给⽹络增加了反向传播的梯度信号，⼀定程度解决了梯度消失的问题
B
辅助分类器提供了额外的正则化
C
辅助分类器⽤于训练和测试阶段
D
辅助分类器将中间某⼀层的输出也纳⼊到最终的分类结果中
学生答案：C
老师点评：
多选题
题型：多选题客观题分值2分难度：一般得分：2
1
卷积神经网络有许多神经层组成，主要包括（）
A
分类层
B
归一化层
C
池化层
D
卷积层
学生答案：C；D
老师点评：
题型：多选题客观题分值5分难度：简单得分：5
2
SENet中的Channel Attention机制包含的操作有（ ）
A
Dropout
B
Shortcut Connection
C
Squeeze
D
Excitation
学生答案：C；D
老师点评：
题型：多选题客观题分值5分难度：困难得分：5
3
下图体现了ResNet⽹络中的Bottleneck Design结构，输⼊为256维的特征，下列描述正确的是（ ）
A
使⽤Bottleneck Design结构，能解决梯度消失的问题
B
1 × 1卷积核的主要作⽤是，对数据进⾏降维和升维的操作
C
使⽤Bottleneck Design结构，能够减少⽹络中的参数量
D
图中的⽹络结构需要的参数量为1 × 1 × 64 + 3 × 3 × 64 + 1 × 1 × 256
学生答案：B；C
老师点评：
题型：多选题客观题分值4分难度：一般得分：4
4
图像分类的类别有（）
A
实例级别分类
B
无标签分类
C
子类细粒度分类
D
多标签分类
学生答案：A；C
老师点评：
题型：多选题客观题分值5分难度：较难得分：5
5
卷积神经⽹络中，卷积过程的步骤包括（ ）
A
将卷积核放在输⼊数据的某⼀像素区域上
B
把结果输出在特征图的正确位置
C
将卷积核中的每⼀个数值和区域中对应的数值成对相乘
D
将乘积的结果线性叠加
学生答案：A；B；C；D
老师点评：
题型：多选题客观题分值5分难度：中等得分：5
6
下列关于跨物种语义级别的图像分类的描述，正确的是（ ）
A
分类结果呈类间⽅差较⼩，类内⽅差较⼤的特点
B
主要⽬的是区分属于同⼀个物种⼤类的⼦类
C
分类结果呈类间⽅差较⼤，类内⽅差较⼩的特点
D
主要⽬的是区分属于不同物种或⼤类的对象
学生答案：C；D
老师点评：
题型：多选题客观题分值5分难度：中等得分：5
7
数据增强常⽤的⽅法有（ ）
A
⽔平翻转
B
颜⾊光照变换
C
随机裁剪
D
平移变换
学生答案：A；B；C；D
老师点评：
题型：多选题客观题分值5分难度：较难得分：5
8
下列关于全连接层的描述，正确的是（ ）
A
经过卷积层和池化层降维，可以降低全连接层的数据计算量，提升计算效率
B
全连接层与上⼀层输⼊数据之间的部分神经元相互连接
C
全连接层的作⽤是综合已提取的特征
D
全连接层通常在卷积神经⽹络隐藏层的中间部分
学生答案：A；C
老师点评：
简答题
题型：简答题主观题分值12分难度：简单得分：12
1
简述图像分类目前面临的困难和挑战。
题型：简答题主观题分值15分难度：中等得分：15
2
简述softmax层的作用，假设数据集有c个类别，全连接层输出为，给出其对应softmax输出的表示
题型：简答题主观题分值10分难度：简单得分：10
3简述图像分类的含义。
题型：简答题主观题分值12分难度：简单得分：12
4
简述Alexnet共有几层神经网络层，其中卷积层有多少层，全连接层有多少层。
评论0