卷积核与特征图之间是__1__ 关系,即一个输入图如果有六个卷积核心,就应该产生 六 个特征图
举一反三
- 用包含N个卷积核的卷积核组对图像I进行卷积后，下列描述正确的是 A: 得到一个特征图 B: 如果第i特征图上第j个位置的响应值较大，说明图像上对应位置的局部结构与第i个卷积核所描述的局部结构越相似。 C: 卷积核组对图像某一位置进行卷积操作后，得到的是一个N维向量，且该向量可用于表示图像这个点处的局部结构。 D: 如果第i特征图上有多个位置具有较大的响应值，说明该图像在这些位置上存在与第i个卷积核所描述的结构相似的结构。
- 在卷积神经网络LeNet-5的卷积层C3得到的特征图为16个，上一层的特征图为6个。则关于这一卷积过程的描述错误的是[img=658x440]1803b2fa207fe99.png[/img] A: C3卷积层中每个特征图只与上一层S2中部分特征图相连接 B: C3卷积层采用多通道16核卷积 C: C3卷积层有16个卷积核，其大小均为5*5，且每个卷积核与上一层的若干特征图相连接 D: C3卷积层有16个卷积核，其大小均为5*5，且每个卷积核与上一层的全部特征图相连接
- 有关通道的说法，哪些说法是正确的？ A: 卷积层的输入特征图的通道数和输出特征图的通道数是相同的 B: 通道数越多，获得的特征图越多，网络获得的特征越充分 C: 随着卷积网络深度的增加，一般使用更小的卷积核和更多的通道，兼顾训练速度和网络分类性能 D: 在卷积操作时，每个卷积核要对输入特征图的所有通道分别做卷积后求和，得到对应的新特征图
- 请问Row Stationary的卷积方式对哪些数据进行了复用 A: 输入特征图 B: 卷积核 C: 部分和 D: 无
- 假设将规格为（H，W，C）=（64，64，16）的特征图先后输入卷积核大小为5×5的卷积层、2×2的MaxPooling层。卷积操作过程中，不进行边界补零操作，则输出特征图的H=（）