iPAS AI應用規劃師-初級 (1) 發佈留言 / 作者: S學院 / 2025-04-26 iPAS AI應用規劃師-初級 (1) 模擬測驗，採智能選題，無限次反覆練習。 1. 對稱跨熵(Symmetric Cross Entropy)的主要目的是： 加速模型收斂 只用於多標籤分類 減少計算複雜度 處理噪聲標籤和提高模型對抗噪聲的魯棒性 None 2. 在卷積神經網絡的設計中，以下哪種操作會導致特徵圖(feature map)的空間維度減小？ 步長(stride)大於1的卷積 1x1卷積 擴張卷積(dilated convolution) 批量標準化(batch normalization) None 3. 在電腦視覺中，什麼是「遊戲自我博弈」的用途？ 只用於圖像壓縮 僅用於圖像分類 僅用於圖像旋轉 不使用任何人類標記數據的強化學習方法 None 4. Azure AI視覺中的「物件偵測」和「圖像分類」有何區別？ 它們完全相同 分類只能處理彩色圖像 物件偵測能定位並分類多個物件，而分類只處理整個圖像 物件偵測只能處理室外場景 None 5. 在自監督學習中，對比學習(Contrastive Learning)的核心原理是： 學習完全判別不相關數據 完全避免任何形式的標籤 使同一圖像的不同增強版本在特徵空間中靠近，不同圖像遠離 通過生成式模型創建標籤 None 6. 點擴散模型(Point Diffusion Models)主要用於： 處理時間序列數據 降低特徵維度 3D點雲生成和處理 僅生成2D圖像 None 7. Azure AI視覺中的背景移除功能使用什麼技術？ 簡單的顏色過濾 用戶手動標記 僅基於邊緣檢測 創建前景物體的Alpha遮罩 None 8. 物件偵測模型通常輸出什麼信息？ 物體的類別、位置和置信度分數 只有物體的顏色信息 只有圖像的整體描述 只有圖像的情緒分析 None 9. 在圖像處理中，什麼是卷積操作的主要目的？ 增加圖像大小 提取和強化圖像的特定特徵 將多個圖像合併為一個 減少圖像的色彩深度 None 10. 在電腦視覺中，"CutMix"資料增強技術的核心思想是： 將一幅圖像的區域替換到另一幅圖像中並混合標籤 混合不同的卷積特徵 裁剪並重新排列圖像區域 隨機裁剪圖像的一部分 None 11. Azure AI視覺中的「圖像描述」功能主要使用什麼技術？ 只依靠邊緣檢測 用戶提供的手動標記 簡單的關鍵詞匹配 結合視覺和語言處理的深度學習 None 12. 在電腦視覺中，「姿態辨識」和「物體偵測」有何不同？ 它們是完全相同的技術 物體偵測只用於人類 姿態辨識專注於人體姿勢，而物體偵測識別並定位各種物體 姿態辨識只能用於識別靜止物體 None 13. 在電腦視覺中，什麼是「語義分割」？ 僅識別圖像中的文字 只是調整圖像大小的另一種說法 僅將圖像分割成幾何形狀 將圖像像素分類為有意義的類別 None 14. 在深度學習中，"Mish"激活函數相較於ReLU的優勢是： 完全避免梯度消失 不需要參數調整 計算效率更高 平滑且非單調，有助於信息流動 None 15. 空間注意力(Spatial Attention)與"通道注意力"(Channel Attention)的主要區別是： 空間注意力需要更多計算資源 通道注意力不能與空間注意力結合使用 空間注意力應用於2D圖像，通道注意力用於3D數據 空間注意力強調特徵圖空間位置的重要性，通道注意力強調不同特徵通道的重要性 None 16. 在電腦視覺中，「光學字元辨識」(OCR)的主要功能是什麼？ 僅識別圖像中的人物 僅測量光線水平 僅識別圖像中的物體 從圖像中提取文字 None 17. 協同分割(Co-segmentation)的主要任務是： 僅分割圖像中的前景 僅分割特定類別的物體 同時分割多張圖像中的共同物體 將圖像分割為固定數量的區域 None 18. 在深度學習中，"梯度累積"(Gradient Accumulation)主要用於： 加速收斂 提高精度 在有限顯存下模擬更大的批次大小 減少過擬合 None 19. 審核敏感內容功能通常檢測哪些類型的內容？ 只有含有文字的圖像 只有版權侵權內容 只有低解析度圖像 成人、猥褻和暴力內容 None 20. 動態卷積(Dynamic Convolution)的核心思想是： 僅對圖像的動態部分應用卷積 使用不同大小的卷積核 在訓練過程中隨機更改卷積結構 基於輸入自適應地調整卷積權重 None 如有問題可留言，謝謝您的寶貴意見！ 暱稱 電郵（提交獲得正確答案，可換題測驗完整題庫，新增題庫電郵通知） Time's up
