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
VGGNet的参数量主要集中在（ ）
A
激活层
B
池化层
C
卷积层
D
全连接层
正确答案：D
题型：单选题客观题分值3分难度：较难得分：3
2
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
正确答案：D
题型：单选题客观题分值3分难度：一般得分：3
3
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
2
B
128
C
256×256
D
256
正确答案：A
题型：单选题客观题分值3分难度：中等得分：3
4
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
辅助分类器将中间某⼀层的输出也纳⼊到最终的分类结果中
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
正确答案：C
题型：单选题客观题分值3分难度：较难得分：3
5
相较于Sigmoid和Tanh函数，ReLU函数作为激活函数的特点是（ ）
A
是线性函数
B
能够有效缓解梯度消失的问题
C
计算复杂，计算成本⾼昂
D
使模型收敛速度较慢
正确答案：B
多选题
题型：多选题客观题分值5分难度：中等得分：5
1
数据增强常⽤的⽅法有（ ）
A
平移变换
B
随机裁剪
C
颜⾊光照变换
D
⽔平翻转
题型：多选题客观题分值5分难度：较难得分：5
2
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
将乘积的结果线性叠加
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
把结果输出在特征图的正确位置
题型：多选题客观题分值2分难度：一般得分：2
3
卷积神经网络有许多神经层组成，主要包括（）
A
卷积层
B
分类层
C
归一化层
D
池化层
题型：多选题客观题分值5分难度：较难得分：5
4
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
全连接层通常在卷积神经⽹络隐藏层的中间部分
C
全连接层与上⼀层输⼊数据之间的部分神经元相互连接
D
全连接层的作⽤是综合已提取的特征
题型：多选题客观题分值4分难度：一般得分：4
5
图像分类的类别有（）
A
子类细粒度分类
B
实例级别分类
C
多标签分类
D
无标签分类
题型：多选题客观题分值5分难度：困难得分：5
6
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（ ）
image.png
A
使⽤Bottleneck Design结构，能够减少⽹络中的参数量
B
使⽤Bottleneck Design结构，能解决梯度消失的问题
C
1 × 1卷积核的主要作⽤是，对数据进⾏降维和升维的操作
D
图中的⽹络结构需要的参数量为1 × 1 × 64 + 3 × 3 × 64 + 1 × 1 × 256
题型：多选题客观题分值5分难度：中等得分：5
7
下列关于跨物种语义级别的图像分类的描述，正确的是（ ）
A
主要⽬的是区分属于不同物种或⼤类的对象
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⼩，类内⽅差较⼤的特点
D
分类结果呈类间⽅差较⼤，类内⽅差较⼩的特点
题型：多选题客观题分值5分难度：简单得分：5
8
SENet中的Channel Attention机制包含的操作有（ ）
A
Squeeze
B
Excitation
C
Shortcut Connection
D
Dropout
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。
请先 ！