ميزة مسابقة شبكات الهرم

تظهر الإجابات والتفسيرات أثناء إجراء الاختبار.

1. ما هي المشكلة الأساسية التي تحلها الشبكة الهرمية المميزة في المقام الأول؟
   • اكتشاف الأشياء التي تظهر بمقاييس مختلفة جدًا
   • تقليل عدد الصور التدريبية اللازمة
   • إزالة المربعات المحيطة المكررة بعد الكشف
   • ضغط النماذج للنشر المحمول
2. بالمقارنة مع بناء هرم الصور (تغيير حجم الشبكة وإعادة تشغيلها)، تعد FPN مفيدة بشكل أساسي لأنها:
   • لا يتطلب أي شبكة العمود الفقري على الإطلاق
   • يعيد استخدام الميزات المحسوبة بالفعل داخل الشبكة، مما يوفر الحوسبة
   • يلغي الحاجة إلى أي تلافيفات
   • يعمل فقط على الصور ذات التدرج الرمادي
3. في FPN، ما هو دور المسار من أعلى إلى أسفل؟
   • إنه يتجاهل الميزات منخفضة الدقة
   • يقوم بتحويل الصور إلى ناقلات مميزة للتصنيف فقط
   • فهو يحمل ميزات غنية وعميقة لغويًا تصل إلى دقة أعلى
   • ينفذ قمع غير الحد الأقصى
4. كيف يتم عادةً دمج الاتصالات الجانبية مع الميزات التي تم تجميعها من الأعلى إلى الأسفل؟
   • قناة متسلسلة الحكيمة ثم النصف
   • ضرب العناصر بعد softmax
   • طرح لحساب خريطة الفرق
   • تمت إضافة العناصر بعد محاذاة 1×1 للقنوات
5. لماذا يتم تطبيق التفاف 3x3 على كل خريطة ميزات مدمجة في FPN؟
   • لتسهيل الخريطة وتقليل التعرجات الناتجة عن تكبير العينات
   • لتقليل الدقة المكانية بمقدار النصف
   • لتصنيف الصورة إلى فئات
   • لتحويل المعالم إلى إحداثيات المربع المحيط مباشرة
6. ما هي الهندسة المعمارية اللاحقة التي قامت بتوسيع FPN من خلال اندماج ثنائي الاتجاه قابل للتعلم؟
   • AlexNet
   • BiFPN، المستخدمة في EfficientDet
   • لينت-5
   • Word2Vec
7. How is a top-down FPN feature map typically resized before lateral fusion?
   • Downsampled to a single pixel
   • Rotated 90 degrees
   • Upsampled by a factor of two using nearest-neighbor interpolation
   • Converted into a text sequence
8. What does an FPN preserve by merging shallow high-resolution features with deeper semantic features?
   • Only the original image colors
   • Only the deepest layer’s low-resolution grid
   • The exact training labels without feature extraction
   • Fine spatial detail together with stronger semantic information