Kvíz spojený s průvodcem · Těžko úroveň
Kvíz o deformovatelných konvolucích
Prozkoumejte naučené odchylky vzorkování, bilineární interpolaci, modulaci a sdružování oblastí v deformovatelných konvolučních sítích a detekci.
Otázka 1 z 8
Co přidává deformovatelná konvoluce ve srovnání se standardní konvolucí?
Náhled každé otázky8 otázky
Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.
- Co přidává deformovatelná konvoluce ve srovnání se standardní konvolucí?
- Větší pevná velikost jádra
- Naučené 2D offsety, které posunou každý bod vzorkování
- Krok sdružování po každé vrstvě
- Náhodné vypadnutí na závaží
- Jak se generují odchylky vzorkování v deformovatelné konvoluci?
- Jsou ručně kódované inženýrem
- Jsou to pevné konstanty z vyhledávací tabulky
- Jsou zkopírovány z předchozího snímku
- Další konvoluční vrstva je předpovídá ze vstupu
- Protože předpokládané offsety jsou obvykle zlomkové, jak jsou na těchto pozicích vzorkovány hodnoty pixelů?
- Bilineární interpolace
- Pouze zaokrouhlení na nejbližšího souseda
- Max sdružování
- Jsou přeskočeny
- Co Deformable ConvNets v2 (2018) přidal oproti originálu?
- Opakovaná připojení
- Pouze nová funkce ztráty
- Váhy modulace na vzorek, které měří příspěvek každého bodu
- Odstranění všech offsetů
- Proč jsou deformovatelné konvoluce zvláště užitečné pro objekty nepravidelného tvaru?
- Jejich vnímavé pole se může deformovat a sledovat skutečné obrysy objektu
- Zvyšují rozlišení obrazu
- Stlačují velikost modelu
- Převádějí barevné obrázky do stupňů šedi
- Který moderní detekční model aplikuje deformovatelnou myšlenku na pozornost transformátoru?
- ResNet-50
- AlexNet
- U-Net
- Deformovatelný DETR
- 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
- 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