第5章测试题答案
单项选择题:
1、FSRCNN模型中,特征提取层使用的卷积核大小通常是多少?
A、1x1
B、3x3
C、5x5
D、7x7
答案：B
2、FSRCNN模型的哪一层负责将低分辨率特征映射到高分辨率特征空间?
A、特征提取层
B、收缩层
C、非线性映射层
D、扩展层
答案：C
3、FSRCNN模型中,哪一层使用1x1卷积核来减少特征图的维度?
A、特征提取层
B、收缩层
C、非线性映射层
D、扩展层
答案：B
4、FSRCNN模型中,哪一层通过反卷积操作将特征图从低分辨率放大到高分辨率?
A、特征提取层
B、收缩层
C、扩展层
D、反卷积层
答案：D
5、MobileNetV3模型中，哪种激活函数取代了MobileNetV2中使用的ReLU6？
A、Sigmoid
B、Tanh
C、Swish
D、LeakyReLU
答案：C
6、MobileNetV3模型中引入的注意力机制是指：
A、CBAM模块
B、SE模块
C、Non-local模块
D、Transformer模块
答案：B
7、MobileNetV3模型中，第一层卷积核的数量从32减少到多少？
A、8
B、12
C、16
D、24
答案：C
8、在MobileNetV3的训练环境中，推荐使用至少多大显存的GPU？
A、4GB
B、6GB
C、8GB
D、12GB
答案：C
9、YOLO算法的核心思想是将目标检测问题转化为什么问题？
A、分类问题
B、回归问题
C、聚类问题
D、优化问题
答案：B
10、YOLO模型中，每个网格预测的边界框数量B通常为：
A、1
B、2或更多
C、5
D、10
答案：B
11、YOLOv3相比YOLOv2引入了哪种网络结构？
A、ResNet
B、VGGNet
C、Darknet-53
D、Inception
答案：C
12、YOLOv8模型训练中，哪个参数用于控制训练的周期数？
A、batch
B、epochs
C、patience
D、workers
答案：B
多项选择题:
1、FSRCNN模型的主要优点包括哪些?
A、快速处理速度
B、较小的模型尺寸
C、优越的图像细节重建能力
D、可以处理任意尺寸的图像
答案：ABC
2、FSRCNN模型训练过程中需要设置哪些参数?
A、学习率
B、批大小
C、迭代轮数
D、图像裁剪尺寸
答案：ABCD
3、FSRCNN模型训练环境要求包括哪些?
A、Ubuntu操作系统
B、Python环境
C、深度学习框架(如PyTorch)
D、集成开发环境(如PyCharm)
答案：ABCD
4、MobileNetV3模型的核心改进包括以下哪些方面？
A、Block（bneck）的更新
B、激活函数的重新设计
C、耗时层结构的优化
D、网络深度的增加
答案：ABC
5、MobileNetV3模型训练环境的软件要求包括：
A、Python
B、PyTorch或TensorFlow
C、CUDA和cuDNN
D、Matlab
答案：ABC
6、在准备MobileNetV3模型的训练数据集时，需要注意以下哪些方面？
A、数据集按类别分类存储
B、训练集、验证集、测试集的划分
C、各类别数据量的平衡
D、图像分辨率的统一
答案：ABCD
7、YOLO模型的优点包括：
A、检测速度快
B、可以实时处理视频流
C、对小目标检测效果好
D、模型结构简单
答案：ABD
8、YOLOv4相比之前版本引入了哪些改进？
A、Mosaic数据增强
B、自适应锚框
C、CIoU损失函数
D、多尺度训练
答案：ABC
9、YOLO模型训练数据标注时，需要包含的信息有：
A、目标类别
B、边界框坐标
C、图像分辨率
D、目标置信度
答案：AB
判断题:
1、FSRCNN模型直接在高分辨率空间进行特征提取和非线性映射。
答案：错误
2、在FSRCNN模型训练过程中,使用MSE(均方误差)作为损失函数。
答案：正确
3、FSRCNN模型可以在边缘设备上部署和运行。
答案：正确
4、MobileNetV3模型中使用的h-swish激活函数比Swish激活函数计算复杂度更高。
答案：错误
5、MobileNetV3模型的设计过程结合了神经架构搜索（NAS）算法。
答案：正确
6、在MobileNetV3模型训练时，使用SSD硬盘存储数据集和模型参数可以显著加快数据加载速度。
答案：正确
7、YOLO算法通过一次前向传播即可完成整个检测过程。
答案：正确
8、YOLOv5是由官方团队开发并发布的版本。
答案：错误
9、在YOLO模型训练中，较大的batchsize通常可以提高训练效率，但也需要更多的显存。
答案：正确