اختبار مرتبط بالدليل · صعب المستوى

مسابقة الالتواءات المشوهة

استكشف إزاحات أخذ العينات المستفادة، والاستيفاء الثنائي، والتشكيل، وتجميع المنطقة في الشبكات التلافيفية القابلة للتشوه واكتشافها.

مسارات الدليل ذات الصلةالالتواءات القابلة للتشوه
سؤال 1 من 8

ما الذي يضيفه الإلتواء القابل للتشوه مقارنةً بالإلتواء القياسي؟

معاينة كل سؤال8 أسئلة

تظهر الإجابات والتفسيرات أثناء إجراء الاختبار.

  1. ما الذي يضيفه الإلتواء القابل للتشوه مقارنةً بالإلتواء القياسي؟
    • حجم نواة ثابت أكبر
    • إزاحات ثنائية الأبعاد تم تعلمها والتي تعمل على تغيير كل نقطة أخذ عينات
    • خطوة تجميع بعد كل طبقة
    • التسرب العشوائي على الأوزان
  2. كيف يتم إنشاء إزاحات أخذ العينات في الالتواء المشوه؟
    • يتم ترميزها يدويًا بواسطة المهندس
    • وهي ثوابت ثابتة من جدول البحث
    • يتم نسخها من الإطار السابق
    • طبقة تلافيفية إضافية تتنبأ بها من المدخلات
  3. نظرًا لأن الإزاحات المتوقعة عادةً ما تكون كسرية، فكيف يتم أخذ عينات من قيم البكسل في تلك المواضع؟
    • الاستيفاء الثنائي
    • تقريب الجار الأقرب فقط
    • الحد الأقصى للتجميع
    • تم تخطيهم
  4. ما الذي أضافته Deformable ConvNets v2 (2018) على النسخة الأصلية؟
    • اتصالات متكررة
    • وظيفة خسارة جديدة فقط
    • أوزان التشكيل لكل عينة تعمل على قياس مساهمة كل نقطة
    • إزالة جميع الإزاحات
  5. لماذا تعتبر التلافيف القابلة للتشوه مفيدة بشكل خاص للأجسام غير المنتظمة؟
    • يمكن أن يلتوي مجال الاستقبال الخاص بهم ليتبع الخطوط الفعلية للكائن
    • أنها تزيد من دقة الصورة
    • إنهم يضغطون حجم النموذج
    • يقومون بتحويل الصور الملونة إلى تدرج الرمادي
  6. ما هو نموذج الكشف الحديث الذي يطبق فكرة التشوه على انتباه المحول؟
    • ريسنيت-50
    • AlexNet
    • يو نت
    • ديتر قابل للتشوه
  7. For an N-point two-dimensional deformable kernel, how many offset components are predicted at each output location?
    • N: one class probability per point
    • N squared: one displacement for every pair of points
    • 2N: one horizontal and one vertical displacement per point
    • Two total, shared by all N points
  8. Where does deformable RoI pooling apply adaptive offsets?
    • Only to the detector's output class names
    • To sampling locations within a proposed object's region features
    • To the ground-truth box coordinates before annotation
    • Only to the image file's compression blocks