AlexNet的池化层目的为何？（）
A: 提取水平特征
B: 提取垂直特征
C: 降低维度
D: 保留局部有效特征
E: 做非线性区隔
A: 提取水平特征
B: 提取垂直特征
C: 降低维度
D: 保留局部有效特征
E: 做非线性区隔
举一反三
- 卷积神经网络(Convolutional Neural Network)中通常包含卷积层和全链接层，它们的主要作用分别是 A: 进行分类、提取特征 B: 提取特征、进行分类 C: 提取特征、提取特征 D: 进行分类、进行分类
- 关于卷积神经网络叙述何者正确？（） A: 池化层会出现在每个隐藏层 B: 池化层目的是做特征的题曲 C: 池化层运做完会得到特征图（FeatureMap） D: 池化层可以取代卷积层 E: 第一层的卷积运算是在做图像边缘或纹理的特征提取
- 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
- 关于池化操作描述错误的有： A: 池化对每一个特征响应图独立进行 B: 池化降低特征响应图组中每个特征响应图的宽度和高度，减少后续卷积层的参数的数量，降低计算资源耗费，有助于抑制过拟合。 C: 池化层不存在超参数，可以在节约计算资源的同时保留网络性质。 D: 最大池化后操作后，特征响应图中会丢掉一些信息，但不改变特征响应图的个数。
- 在卷积神经网络中，通常在几个卷积层之后插入（ ）层，以降低特征图的 分辨率。 A: 非线性激活 B: 池化 C: 归一化指数 D: 全连接