第二日題庫

1-4 解析機器學習核心概念模擬測驗,採智能選題,無限次反覆練習。

1. 
點擴散模型(Point Diffusion Models)主要用於:

2. 
循環一致性損失(Cycle Consistency Loss)主要應用於:

3. 
卷積神經網絡(CNN)在圖像處理中的特點是?

4. 
在電腦視覺中,「熱圖」通常用於顯示什麼?

5. 
審核敏感內容功能主要用於什麼目的?

6. 
圖像分類和物件偵測的區別是?

7. 
Azure AI視覺中的背景移除功能使用什麼技術?

8. 
在深度學習中,"網絡修剪"(Network Pruning)和"網絡量化"(Network Quantization)的關係是:

9. 
在深度學習中,"漸進式標籤精煉"(Progressive Label Refinement)的核心思想是:

10. 
SyncBN(Synchronized Batch Normalization)主要解決的問題是:

11. 
特徵金字塔網絡(Feature Pyramid Network)的核心優勢是:

12. 
在電腦視覺中,什麼是「區域提議網絡」(RPN)?

13. 
在自監督學習中,對比學習(Contrastive Learning)的核心原理是:

14. 
在實例分割(Instance Segmentation)中,Mask R-CNN與Faster R-CNN相比增加了:

15. 
卷積神經網絡與普通神經網絡的主要區別是什麼?

16. 
在圖像分割評估中,"Dice係數"與"IoU"的關係是:

17. 
混合密度網路(Mixture Density Networks)主要用於解決什麼問題?

18. 
在大多數目標檢測算法中,非極大值抑制(Non-Maximum Suppression)的主要目的是:

19. 
在圖像處理中,什麼是卷積操作的主要目的?

20. 
在深度學習中,"流形正則化"(Manifold Regularization)的主要目的是:


error: Content is protected !!
返回頂端