Skip to content

Latest commit

 

History

History
54 lines (50 loc) · 2.8 KB

C4W4_noAnswers.md

File metadata and controls

54 lines (50 loc) · 2.8 KB

C4W4 人脸识别和神经风格迁移

测验

1、面部验证只需要将新图片与1个人的面部进行比较,而面部识别则需要将新图片与K个人的面部进行比较。

  • 正确
  • 错误

2、在人脸验证中函数d(img1,img2)起什么作用?

  • 只需要给出一个人的图片就可以让网络认识这个人。
  • 为了解决一次学习的问题。
  • 这可以让我们使用softmax函数来学习预测一个人的身份,在这个单元中分类的数量等于数据库中的人的数量加1。
  • 鉴于我们拥有的照片很少,我们需要将它运用到迁移学习中。

3、为了训练人脸识别系统的参数,使用包含了10万个不同的人的10万张图片的数据集进行训练是合理的。

  • 正确
  • 错误

4、下面哪个是三元组损失的正确定义(把α也考虑进去)?

  • max( || f(A) − f(P) ||^2 − || f(A) − f(N) ||^2 + α, 0 )
  • max( || f(A) − f(N) ||^2 − || f(A) − f(P) ||^2 + α, 0 )
  • max( || f(A) − f(N) ||^2 − || f(A) − f(P) ||^2 - α, 0 )
  • max( || f(A) − f(P) ||^2 − || f(A) − f(N) ||^2 - α, 0 )

5、在下图中的孪生卷积网络(Siamese network)结构图中,上下两个神经网络拥有不同的输入图像,但是其中的网络参数是完全相同的。 siameseNetwork

  • 正确
  • 错误

6、你在一个拥有100种不同的分类的数据集上训练一个卷积神经网络,你想要知道是否能够找到一个对猫的图片很敏感的隐藏节点(即在能够强烈激活该节点的图像大多数都是猫的图片的节点),你更有可能在第4层找到该节点而不是在第1层更有可能找到。

  • 正确
  • 错误

7、神经风格转换被训练为有监督的学习任务,其中的目标是输入两个图像 (x),并训练一个能够输出一个新的合成图像(y)的网络。

  • 正确
  • 错误

8、在一个卷积网络的深层,每个通道对应一个不同的特征检测器,风格矩阵G[l]度量了l层中不同的特征探测器的激活(或相关)程度。

  • 正确
  • 错误

9、在神经风格转换中,在优化算法的每次迭代中更新的是什么?

  • 生成图像G的像素值
  • 神经网络的参数
  • 内容图像C的像素值
  • 正则化参数

10、你现在用拥有的是3D的数据,现在构建一个网络层,其输入的卷积是32×32×32×16(此卷积有16个通道),对其使用32个3×3×3的过滤器(无填充,步伐为1)进行卷积操作,请问输出的卷积是多少?

  • 不能操作,因为指定的维度不匹配,所以这个卷积步骤是不可能执行的。
  • 30×30×30×16
  • 30×30×30×32