卷积神经网络中,对不同位置的特征进行聚合统计,称为池化 (pooling)。池化不会丢失图像的信息,也不会降低其空间分辨率。[br][/br] [br][/br]
A: 对
B: 错
A: 对
B: 错
举一反三
- 卷积神经网络中，对不同位置的特征进行聚合统计,称为池化 (pooling)。池化不会丢失图像的信息，也不会降低其空间分辨率。
- 关于卷积神经网络中池化处理(pooling) 的说法正确的是 A: 在卷积神经网络中，卷积的下一步通常是进行池化处理(pooling) B: 池化处理主要是对不同位置的特征进行聚合统计 C: 池化处理起到了减少了参数和降维的作用 D: 常用的池化做法是对每个滤波器的输出求最大值、平均值等
- 卷积神经网络是一个全连接的神经网络,中间隐层通常包含多个卷积层。[br][/br] [br][/br] A: 对 B: 错
- 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
- 中国大学MOOC: 关于卷积神经网络中池化处理(pooling) 的说法正确的是