Quiz lié à un guide · Moyen Niveau

Quiz sur l'augmentation du Mixup et du CutMix

Testez les entrées et les étiquettes mélangées, les patchs CutMix rectangulaires, les pondérations de zone, l'échantillonnage bêta et les proportions cibles numériques pour les deux méthodes.

Chemins de guidage associésAugmentation du mixage et du cutmix
Question 1 de 8

Comment Mixup crée-t-il un nouvel exemple de formation ?

Prévisualisez chaque question8 des questions

Les réponses et les explications apparaissent au fur et à mesure que vous répondez au quiz.

  1. Comment Mixup crée-t-il un nouvel exemple de formation ?
    • En faisant pivoter une seule image et en conservant son étiquette
    • En recadrant un carré aléatoire et en le supprimant
    • En convertissant l'image en niveaux de gris
    • En interpolant linéairement deux images et leurs étiquettes avec un poids lambda
  2. Quelle est la principale différence entre CutMix et Mixup ?
    • CutMix n'utilise qu'une seule image tandis que Mixup en utilise deux
    • CutMix colle un patch rectangulaire d'une image sur une autre au lieu de mélanger les pixels partout
    • CutMix change uniquement l'étiquette et jamais l'image
    • CutMix s'applique exclusivement aux données texte
  3. Dans CutMix, comment est déterminé le poids de mélange (lambda) des étiquettes ?
    • Il est toujours fixé à 0,5
    • Par la luminosité de l'image plus lumineuse
    • Par la proportion de zone de pixels, chaque image contribue
    • Au hasard, sans rapport avec les images
  4. Outre l’image d’entrée, que modifient Mixup et CutMix ?
    • Le label, pour en faire une cible soft et mixte
    • Le taux d'apprentissage de l'optimiseur
    • Le nombre de couches dans le réseau
    • La taille du lot
  5. Quelle distribution est couramment utilisée pour échantillonner le coefficient de mélange lambda ?
    • Distribution uniforme sur des entiers
    • Distribution bêta
    • Distribution de Poisson
    • Distribution de Bernoulli avec p fixé à 1
  6. Un avantage documenté de ces augmentations de mélange est amélioré :
    • Compression du fichier de modèle entraîné
    • Vitesse d'entraînement en supprimant le besoin de rétropropagation
    • Possibilité de s'entraîner sans aucune étiquette
    • Robustesse et calibrage en plus de la précision
  7. Mixup utilise lambda = 0,25 pour l'image A et un moins lambda pour l'image B. Quels poids cibles suivent ?
    • 25% A et 75% B
    • 75% A et 25% B
    • 50 % chacun quel que soit le lambda
    • 100% A car il est répertorié en premier
  8. Un patch CutMix remplace 20 % de la zone de pixels de l’image A par l’image B. Quels poids d’étiquette la règle de zone indiquée utilise-t-elle ?
    • 20% A et 80% B
    • 100 % B pour n'importe quel patch
    • 80% A et 20% B
    • 50% chacun pour tous les rectangles