常见的两种增大感受野尺寸的方法，一是通过堆叠网络层数或增大卷积核尺寸，能够线性增加感受野的尺寸；二是通过下采样，即______。
A: 增大卷积步长、进行池化操作
B: 减少卷积步长、取消池化操作
C: 增大卷积步长、取消池化操作
D: 减少卷积步长、进行池化操作
A: 增大卷积步长、进行池化操作
B: 减少卷积步长、取消池化操作
C: 增大卷积步长、取消池化操作
D: 减少卷积步长、进行池化操作
A
举一反三
- 在池化中，当步长小于卷积核的大小时会称为重叠池化。与非重叠池化相比，下面哪个不是重叠池化的优点？ A: 损失信息少 B: 获得的图像特更丰富 C: 提高卷积神经网络的正确率 D: 减少计算量
- 在卷积神经网络的池化操作中常见的池化方式有（ ） A: 最多池化 B: 平均池化 C: 最大池化 D: 最小池化
- 将一张32*32大小的图片输入一个卷积神经网络，经过一层卷积层（卷积核大小为5*5，步长为1，非全零填充）和一层池化层（池化核大小为2*2，步长为2，全零填充）之后输出的图片尺寸为多少？? 7|14|16|32
- 关于卷积神经网络以下说法错误的是( )。 A: 常见的池化层有最大池化与平均池化 B: 卷积核不可以用来提取图片全局特征 C: 在处理图片时,是以扫描窗口的方式对图像做卷积 D: 卷积神经网络可以包含卷积层,池化层和全连接层
- 有关卷积神经网络的说法哪个是正确的？ A: 卷积核越大越好 B: 不同卷积层或同一卷积层只能用一种大小的卷积核 C: 在卷积层之前使用池化操作，可以减少卷积层参数量 D: 类似AlexNet网络使用的分组卷积可以增加卷积层的参数量
内容
- 0
卷积神经网络的结构为“卷积层-池化层-卷积层-池化层-全连接层-全连接层”。
- 1
有关卷积神经网络的说法错误的是（ ） A: 卷积神经网络的卷积操作一般不能跨通道 B: 对输入图像进行卷积操作，其卷积核的通道数可以与输入图像的通道数不一样 C: 基础的卷积神经网络一般包括卷积层、池化层和全连接层 D: 卷积的主要作用是提取特征，池化的主要作用是进行特征的筛选
- 2
卷积神经网络中的池化层可以减小下层输入的尺寸。常见的池化有:------（） A: 最小地化层 B: 乘积池化层 C: 最大池化层 D: 平均池化层
- 3
下面关于卷积神经网络相关描述中，正确的说法是哪个？ A: 卷积中的通道数量只能是1或3 B: 池化核大小与步长相等 C: Padding时各方向的填充不一定对称 D: 卷积核越小，卷积后的结果越抽象
- 4
关于卷积神经网络池化层以下描述正确的是（） A: 池化操作采用扫描窗口实现 B: 池化层可以起到降维的作用 C: 常用的池化方法有最大池化和平均池化 D: 经过池化的特征图像变小了