[AI Tech] 6주차 26-2차시 Quiz 10

26-2. Quiz 10

1번

다음 중 Convolution 의 Output size를 구하는 수식으로 올바른 것은?

(W: width, F: Filter, S: Stride)

1) (W-S) / F + 1

2) (W-S) + 1 / S

3) (W-F)+1 / S

4) (W-F) / S + 1

정답: 4번

풀이

Convolution의 Output size를 구하는 수식은 (W-F)/S +1 입니다.

 

2번

다음 <보기> 중 모델에 대한 설명으로 옳지 않은 것은?

<보기>

1. DenseNet: ResNet과 비슷한 아이디어로 Addition만 이용한다.

2. GoogleNet: Inception blocks를 제안했다.

3. VGGNet: 3x3 convolution을 이용하여 Receptive field는 유지하면서 더 깊은 네트워크를 구성한다.

4. ResNet: Residual connection(Skip Connection)이라는 구조를 제안했다.

1) DenseNet

2) GoogleNet

3) VGGNet

4) ResNet

정답: 1번

풀이

DenseNet은 ResNet과 비슷한 아이디어이지만, Addition이 아닌 Concatenation을 적용한 CNN 입니다.

 

3번

다음 중 AlexNet의 아이디어가 아닌 것은?

1) Dropout

2) Batch Normalization

3) Data augmentation

4) GPU Implementation

정답: 2번

Alexnet은 Batch normalization을 도입하지 않았다.

 

4번

다음 중 파라미터 관점에서 Filter가 커졌을 때의 설명으로 옳은 것은?

1) Receptive field가 볼 수 있는 이미지 영역은 작아지고, 상대적으로 파라미터가 적어진다.

2) Receptive field가 볼 수 있는 이미지 영역은 작아지고, 상대적으로 파라미터가 많아진다.

3) Receptive field가 볼 수 있는 이미지 영역은 커지지만, 상대적으로 파라미터가 많아진다.

4) Receptive field가 볼 수 있는 이미지 영역은 커지지만, 상대적으로 파라미터가 작아진다.

정답: 3번

풀이 없음

 

5번

다음 중 Convolutionalization에 대한 설명으로 옳지 않은 것은?

1) Dense Layer를 없애는 과정이다.

2) Fully connted Layer을 Convolution Layer로 바꾸었다.

3) 위치 정보나 class에 대한 정보를 잃어버린다.

4) 출력 Feature map은 원본 이미지의 위치 정보를 내포할 수 있게 된다.

정답: 3번

풀이

Convolutionalization을 진행하면 Fully connted Layer 와 달리 위치 정보나 Class에 대한 정보(즉, 2차원 정보)를 잃어버리지 않을 수 있게 된다.

 

 

 

 

 

©️NAVER Connect Foundation. All Rights Reserved.