Útmutatóhoz kapcsolódó kvíz · Kemény Szint
Deformálható konvolúciók kvíz
Explore learned sampling offsets, bilinear interpolation, modulation, and region pooling in deformable convolutional networks and detection.
kérdés 1 -ból 8
Mit ad hozzá egy deformálható konvolúció a standard konvolúcióhoz képest?
Tekintse meg az összes kérdést8 kérdéseket
A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.
- Mit ad hozzá egy deformálható konvolúció a standard konvolúcióhoz képest?
- Nagyobb fix kernelméret
- Megtanult 2D eltolások, amelyek eltolják az egyes mintavételi pontokat
- Összevonási lépés minden réteg után
- Véletlenszerű lemorzsolódás a súlyoknál
- Hogyan jönnek létre a mintavételezési eltolások egy deformálható konvolúcióban?
- Ezeket a mérnök kézzel kódolja
- Ezek rögzített állandók egy keresőtáblából
- Az előző keretből vannak átmásolva
- Egy további konvolúciós réteg előrejelzi őket a bemenetből
- Mivel az előrejelzett eltolások általában töredékesek, hogyan történik a pixelértékek mintavétele ezeken a helyeken?
- Bilineáris interpoláció
- Csak a legközelebbi szomszéd lekerekítése
- Max pooling
- Kihagyják őket
- Mit adott hozzá a Deformable ConvNets v2 (2018) az eredetihez?
- Ismétlődő kapcsolatok
- Csak egy új veszteség funkció
- A mintánkénti modulációs súlyok skálázzák az egyes pontok hozzájárulását
- Minden eltolás eltávolítása
- Miért hasznosak a deformálható konvolúciók különösen szabálytalan alakú tárgyak esetén?
- Receptív mezőjük megvetemedhet, hogy kövesse az objektum aktuális kontúrjait
- Növelik a képfelbontást
- Tömörítik a modell méretét
- A színes képeket szürkeárnyalatossá alakítják
- Melyik modern detektálási modell alkalmazza a deformálódó ötletet a transzformátorok figyelmébe?
- ResNet-50
- AlexNet
- U-Net
- Deformálható 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