टेस्ट-टाइम ऑग्मेंटेशन क्विज़

जैसे ही आप प्रश्नोत्तरी लेते हैं उत्तर और स्पष्टीकरण दिखाई देते हैं।

1. अनुमान के समय, परीक्षण-समय वृद्धि एकल इनपुट के साथ क्या करती है?
   • किसी इनपुट की कई रूपांतरित प्रतियों पर निश्चित मॉडल चलाना और आउटपुट को संयोजित करना
   • हर बार पूछे जाने पर संवर्धित डेटा पर मॉडल को पुनः प्रशिक्षित करना
   • प्रत्येक भविष्यवाणी से पहले मॉडल के वज़न में शोर जोड़ना
   • मॉडल को संपीड़ित करना ताकि यह अनुमान के समय तेजी से चले
2. When can pooling predictions from transformed views reduce prediction variance?
   • 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. टीटीए का उपयोग करने की मुख्य लागत क्या है?
   • इसके लिए लेबल किए गए परीक्षण डेटा की आवश्यकता होती है
   • यह प्रशिक्षित वज़न को स्थायी रूप से बदल देता है
   • यह अनुमान गणना को बढ़ाता है क्योंकि मॉडल प्रति नमूने कई बार चलता है
   • यह स्वच्छ इनपुट पर मॉडल सटीकता को कम कर देता है
4. कौन सा संवर्द्धन विकल्प वास्तव में एक अंक वर्गीकरणकर्ता को नुकसान पहुंचा सकता है?
   • छोटी चमक बदलती है
   • छोटी-छोटी बेतरतीब फसलें
   • थोड़ा गाऊसी शोर जोड़ना
   • '6' को क्षैतिज रूप से फ़्लिप करना ताकि यह '9' जैसा दिख सके
5. विभाजन में, टीटीए आउटपुट के औसत से पहले किस अतिरिक्त कदम की आवश्यकता है?
   • प्रत्येक ज्यामितीय परिवर्तन को उलटा करना ताकि अनुमानित मुखौटे मूल पिक्सेल के साथ पुनः संरेखित हो जाएं
   • प्रत्येक दृश्य के लिए डिकोडर को पुनः प्रशिक्षित करना
   • सभी फ़्लिप किए गए विचारों को त्यागना
   • मास्क को बाउंडिंग बॉक्स में परिवर्तित करना
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