230+ câu trắc nghiệm Mạng nơ-ron nhân tạo có đáp án - Phần 3
25 câu hỏi
Trong Faster R-CNN, Region Proposal Network (RPN) có vai trò gì?
Phân loại đối tượng
Tạo vùng đề xuất trực tiếp từ bản đồ đặc trưng
Tăng cường dữ liệu hình ảnh
Tính toán hàm mất mát
Hàm mất mát trong R-CNN thường bao gồm những thành phần nào?
Classification loss và regression loss
Clustering loss và entropy loss
Activation loss và normalization loss
Gradient loss và pooling loss
R-CNN thường sử dụng mô hình nào để trích xuất đặc trưng?
VGG hoặc AlexNet
LSTM
Transformer
Autoencoder
Mask R-CNN mở rộng R-CNN để làm gì?
Phát hiện đối tượng nhanh hơn
Thêm phân đoạn đối tượng (instance segmentation)
Xử lý văn bản
Giảm kích thước hình ảnh
Ứng dụng thực tế nào phù hợp với R-CNN?
Phát hiện xe trong hệ thống giao thông
Phân tích cảm xúc văn bản
Dự đoán thời tiết
Nhận diện giọng nói
Transfer Learning là gì?
Huấn luyện mô hình từ đầu trên dữ liệu mới
Sử dụng mô hình đã được huấn luyện trước trên một tác vụ khác
Tạo mô hình mới từ nhiều mô hình khác
Tăng cường dữ liệu đầu vào
Trong Transfer Learning, phần nào của mô hình thường được giữ nguyên?
Các lớp fully connected cuối
Các lớp convolutional đầu tiên
Hàm kích hoạt
Hàm mất mát
Fine-tuning trong Transfer Learning là gì?
Huấn luyện lại toàn bộ mô hình
Chỉ huấn luyện một số lớp của mô hình trên dữ liệu mới
Loại bỏ các lớp không cần thiết
Tăng số lượng lớp ẩn
Transfer Learning phù hợp nhất với trường hợp nào?
Khi có lượng dữ liệu lớn và thời gian huấn luyện không giới hạn
Khi dữ liệu mới hạn chế và tác vụ tương tự tác vụ gốc
Khi không có mô hình nào được huấn luyện trước
Khi dữ liệu hoàn toàn không liên quan
Mô hình nào thường được sử dụng trong Transfer Learning cho hình ảnh?
ResNet, VGG, hoặc Inception
LSTM hoặc GRU
Transformer
Autoencoder
Khi nào nên sử dụng feature extraction thay vì fine-tuning?
Khi dữ liệu mới rất lớn
Khi dữ liệu mới rất nhỏ và tác vụ gần giống
Khi mô hình gốc không hiệu quả
Khi cần thay đổi cấu trúc mô hình
Vấn đề gì có thể xảy ra nếu không fine-tune mô hình?
Overfitting trên dữ liệu mới
Hiệu suất kém trên tác vụ mới
Chi phí tính toán quá cao
Mất toàn bộ đặc trưng gốc
Trong Transfer Learning, dữ liệu ImageNet thường được sử dụng để làm gì?
Tạo dữ liệu tổng hợp
Huấn luyện trước mô hình
Kiểm tra hiệu suất mô hình
Giảm kích thước hình ảnh
Transfer Learning có thể áp dụng cho lĩnh vực nào ngoài xử lý hình ảnh?
Xử lý ngôn ngữ tự nhiên (NLP)
Nhận diện giọng nói
Phân tích thời gian thực
Tất cả các lĩnh vực trên
Ứng dụng thực tế nào phù hợp với Transfer Learning?
Phân loại bệnh lý y tế với dữ liệu hình ảnh hạn chế
Phân tích dữ liệu thời tiết lớn
Tạo âm thanh tổng hợp
Xử lý văn bản dài
Mục tiêu chính của Image Captioning là gì?
Tăng cường chất lượng hình ảnh
Tạo văn bản mô tả nội dung hình ảnh
Phát hiện đối tượng trong hình ảnh
Phân loại hình ảnh
Phần nào của mô hình Image Captioning xử lý hình ảnh?
CNN
RNN
Transformer
Fully connected layer
Trong Image Captioning, mô hình ngôn ngữ thường là gì?
RNN hoặc LSTM
K-means clustering
Decision Tree
SVM
Cơ chế attention trong Image Captioning giúp gì?
Tăng tốc độ xử lý hình ảnh
Tập trung vào các vùng quan trọng khi sinh từ
Loại bỏ nhiễu hình ảnh
Giảm số lượng từ trong chú thích
Hàm mất mát phổ biến trong Image Captioning là gì?
Cross-entropy loss
Mean squared error
Hinge loss
KL-divergence
Trong Image Captioning, "beam search" được sử dụng để làm gì?
Tăng cường dữ liệu hình ảnh
Tìm kiếm chuỗi từ tốt nhất cho chú thích
Giảm kích thước mô hình
Tính toán gradient
Vấn đề gì có thể xảy ra nếu mô hình Image Captioning không sử dụng attention?
Chú thích không liên quan đến hình ảnh
Chi phí tính toán tăng cao
Hình ảnh bị nhiễu
Mô hình không hội tụ
Mô hình Transformer có thể được sử dụng trong Image Captioning như thế nào?
Thay thế hoàn toàn CNN
Kết hợp với CNN để sinh chú thích
Chỉ sử dụng cho xử lý văn bản
Loại bỏ RNN
Tập dữ liệu nào thường được sử dụng để huấn luyện Image Captioning?
ImageNet
MS COCO
MNIST
CIFAR-10
Ứng dụng thực tế nào phù hợp với Image Captioning?
Tạo mô tả tự động cho hình ảnh trên mạng xã hội
Phân tích dữ liệu thời tiết
Nhận diện giọng nói
Dự đoán gen
