টেস্ট-টাইম অগমেন্টেশন কুইজ

আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।

1. অনুমান সময়ে, পরীক্ষার সময় বৃদ্ধি একটি একক ইনপুট দিয়ে কি করে?
   • একটি ইনপুটের বেশ কয়েকটি রূপান্তরিত কপিতে স্থির মডেল চালানো এবং আউটপুটগুলিকে একত্রিত করা
   • প্রতিবার জিজ্ঞাসা করার সময় বর্ধিত ডেটাতে মডেলটিকে পুনরায় প্রশিক্ষণ দেওয়া
   • প্রতিটি ভবিষ্যদ্বাণীর আগে মডেলের ওজনে শব্দ যোগ করা
   • মডেলটিকে সংকুচিত করা হচ্ছে যাতে এটি অনুমানে দ্রুত চলে
2. রূপান্তরিত দৃষ্টিভঙ্গি থেকে পূর্বাভাস পুল করা কখন ভবিষ্যদ্বাণী বৈচিত্র কমাতে পারে?
   • When every view changes the true class
   • When the transforms preserve the label and the view errors are at least partly uncorrelated
   • When all predictions are identical by design
   • When the model is retrained on each transformed copy
3. TTA ব্যবহার করার মূল খরচ কত?
   • এটি লেবেলযুক্ত পরীক্ষার ডেটা প্রয়োজন
   • এটি স্থায়ীভাবে প্রশিক্ষিত ওজন পরিবর্তন করে
   • এটি অনুমান গণনা বাড়ায় কারণ মডেলটি প্রতি নমুনা একাধিকবার চলে
   • এটি পরিষ্কার ইনপুটগুলিতে মডেলের যথার্থতা হ্রাস করে
4. কোন অগমেন্টেশন পছন্দ আসলে একটি ডিজিট ক্লাসিফায়ারকে আঘাত করতে পারে?
   • ছোট উজ্জ্বলতা পরিবর্তন
   • ক্ষুদ্র এলোমেলো ফসল
   • একটু গাউসিয়ান শব্দ যোগ করা
   • অনুভূমিকভাবে একটি '6' উল্টানো যাতে এটি '9' এর মতো দেখতে পারে
5. বিভাজনে, TTA আউটপুট গড় করার আগে কোন অতিরিক্ত পদক্ষেপ প্রয়োজন?
   • প্রতিটি জ্যামিতিক রূপান্তরকে উল্টানো যাতে ভবিষ্যদ্বাণী করা মুখোশগুলি আসল পিক্সেলের সাথে পুনরায় মিলিত হয়
   • প্রতিটি দৃশ্যের জন্য ডিকোডারকে পুনরায় প্রশিক্ষণ দেওয়া হচ্ছে
   • সমস্ত ফ্লিপ করা ভিউ বাতিল করা হচ্ছে
   • মুখোশগুলিকে বাউন্ডিং বাক্সে রূপান্তর করা হচ্ছে
6. For a classification model, what may be aggregated across test-time views?
   • The model’s training labels
   • The predicted probabilities or logits from the views
   • The input image file names
   • The optimizer momentum buffers
7. Does standard test-time augmentation require retraining the model on new labels?
   • Yes; each view needs a newly trained model
   • Yes; it requires extra class labels for every view
   • No; it reuses fixed weights and evaluates transformed inputs at inference
   • No; it replaces the model with a lookup table
8. A segmentation model predicts masks on flipped and cropped views. What must happen before pixelwise pooling?
   • Average masks before undoing the transforms
   • Discard the original image coordinates
   • Apply a different label to each pixel view
   • Invert the geometric transforms so all masks align with the original image coordinates