複数の特徴量マップの積み上げ – RGB 画像

1 つの入力に対して複数のカーネルを用いて特徴量マップを積み上げることのメリットとして正しいものを選択肢 1 ~ 3 から選んでください．

1. 入力の任意の位置にある複数の特徴を検出できる．
2. 1 つの入力に対して、複数のカーネルを用いて処理を分散することで、計算コストを削減できる．
3. 一般的に、カーネルのサイズによらず 1 枚のカーネルだけでは、画像から特徴を全く抽出することでができないため複数のカーネルを用いる．

パディング

$$3 times 3$$ のカーネルを用いて、幅 1 のゼロパディを適用した上で $$5 timse 5$$ のフィーチャマップを畳み込んだ場合、
得られるフィーチャマップのサイズは ( Q1 ___ ) $$times$$ ( Q1 ___ ) となる．正しスライドは 1 とする．
（数値を入力してください．）

パディング

$$3 times 3$$ のカーネルを用いて、ゼロパディを適用せずに $$5 timse 5$$ のフィーチャマップを畳み込んだ場合、
得られるフィーチャマップのサイズは ( Q1 ___ ) $$times$$ ( Q1 ___ ) となる．正しスライドは 1 とする．
（数値を入力してください．）

複数の特徴量マップの積み上げ – RGB 画像

1 つの入力に対して複数のカーネルを用いて特徴量マップを積み上げることのメリットとして正しいものを選択肢 1 ~ 3 から選んでください．

1. 入力の任意の位置にある複数の特徴を検出できる．
2. 1 つの入力に対して、複数のカーネルを用いて処理を分散することで、計算コストを削減できる．
3. 一般的に、カーネルのサイズによらず 1 枚のカーネルだけでは、画像から特徴を全く抽出することでができないため複数のカーネルを用いる．

CNN のメモリ要件

CNN に置けるメモリ要件を説明している以下の文で空欄に入る適切な単語を選択肢 1 ~ 3 から選んでください．

CNN モデルでバックプロパゲーションをするためには、前進パス中で求めた中間値が全て必要となる．
よって、入力のサイズや特徴マップの数が大きくなると多くの RAM が必要となる．
よって、RAM が足りずに訓練がクラッシュする場合には、( Q1 ___ ) と良い．

1. 前結合層を増やす
2. 訓練エポックを減らす
3. 訓練バッチサイズを小さくする

ストライド

ストライドの説明として正しいものを選択肢から選んでください．

1. ストライドを大きすることで、フィーチャマップのサイズを大きくすることができる
2. ストライドを 2 以上に設定する場合は、ゼロパディングは適用できない．
3. ストライドは入力の次元を削減したい時に有用である．
4. ストライドを適用することで、畳み込み層前後のフィーチャマップのサイズが得られる．

複数の特徴量マップの積み上げ – RGB 画像

1 つの入力に対して複数のカーネルを用いて特徴量マップを積み上げることのメリットとして正しいものを選択肢 1 ~ 3 から選んでください．

1. 1 つの入力に対して、複数のカーネルを用いて処理を分散することで、計算コストを削減できる．
2. 一般的に、カーネルのサイズによらず 1 枚のカーネルだけでは、画像から特徴を全く抽出することでができないため複数のカーネルを用いる．
3. 入力の任意の位置にある複数の特徴を検出できる．

パディング

ゼロパディングを施すことのメリットとして正しくないものを選択肢から選んでください．

1. 畳み込み前後のフィーチャマップのサイズを揃えることができる
2. カーネル（畳み込みフィルタ）のサイズや、層の数を増やすことができる．
3. パディングを適用することで、畳み込みのたびに、フィーチャマップのサイズが小さくなるので、層の数を減らせる．
4. データの端の特徴量を考慮して畳み込みができる．