首页 > 试题广场 >

假设我们拥有一个已完成训练的、用来解决车辆检测问题的深度神经

[单选题]
假设我们有一个已经完成训练的深度神经网络模型,该模型用于解决车辆检测问题。训练这个模型所使用的数据集由汽车和卡车的照片构成,训练目标是识别出这 10 种不同类型车辆的具体类别。现在,我们想用这个模型来处理另一个问题。在新的问题数据集中,仅包含一种车型(福特野马),并且目标变为确定车辆在照片中的具体位置。
  • 除去神经网络中的最后一层,冻结所有层然后重新训练
  • 对神经网络中的最后几层进行微调,同时将最后一层(分类层)更改为回归层
  • 使用新的数据集重新训练模型
  • 所有答案均不对
B选项,原模型是用于车辆分类任务,其最后一层通常是分类层,输出车辆的类别概率分布。而新任务是定位福特野马在照片中的位置,这是一个回归问题,需要输出坐标等连续值。因此将最后一层改为回归层是合理的。同时,对最后几层进行微调可以让模型在保持一部分原有特征提取能力的基础上,适应新的定位任务。因为前面的层学习到的是一些通用的图像特征,如边缘、纹理等,这些对于定位任务也是有帮助的,不需要全部重新训练,所以选项B正确。
发表于 2025-04-22 14:36:41 回复(0)