Útmutatóhoz kapcsolódó kvíz · Közepes Szint

Fókuszvesztés az egyensúlyhiány észleléséhez kvíz

Checks the focal-loss modulator, class imbalance, the role of alpha and gamma, and how well-classified and hard examples differ.

kérdés 1 -ból 8

Az egylépcsős objektumérzékelésben milyen alapvető problémát terveztek a fókuszvesztés kezelésére?

Tekintse meg az összes kérdést8 kérdéseket

A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.

  1. Az egylépcsős objektumérzékelésben milyen alapvető problémát terveztek a fókuszvesztés kezelésére?
    • Rendkívüli egyensúlyhiány a ritka előtér-objektumok és a bőséges könnyű háttér között
    • Kétlépcsős detektorok lassú következtetési sebessége
    • Címkézett edzési adatok hiánya
    • Túlillesztés nagy tárgyakhoz
  2. Mi az a moduláló tényező, amely a fókuszveszteséget megsokszorozza a keresztentrópiával?
    • log(p_t)
    • (1 - p_t)^gamma
    • csak p_t^2
    • 1 / p_t
  3. Mi történik a fókuszvesztéssel, ha a gamma fókuszparaméter 0-ra van állítva?
    • Ez lesz az átlagos négyzetes hiba
    • Figyelmen kívül hagy minden pozitív példát
    • Közönséges keresztentrópiává válik
    • A végtelenségig eltér
  4. Mit tesz a gamma növelése a könnyű, jól besorolt példákkal?
    • Növeli a veszteséghez való hozzájárulásukat
    • Változatlanul hagyja hozzájárulásukat
    • Eltávolítja őket az adatkészletből
    • Erőteljesebben elnyomja a veszteséghez való hozzájárulásukat
  5. Melyik detektor architektúra vezetett be fókuszvesztést?
    • RetinaNet
    • YOLOv1
    • Gyorsabb R-CNN
    • AlexNet
  6. Milyen szerepet játszik általában az alfa paraméter a gamma mellett?
    • Ez határozza meg a tanulási sebességet
    • Kiegyensúlyozza a pozitív és negatív osztályok relatív súlyát
    • Ez szabályozza a képfelbontást
    • Ez határozza meg a horgonydobozok számát
  7. For a hard example with p_t close to zero, what is the focal modulating factor (1 − p_t)^gamma likely to do?
    • Drive the factor to zero
    • Turn the example into a positive label
    • Keep the factor relatively close to one so the example retains substantial loss weight
    • Replace the cross-entropy term with alpha
  8. A dense detector has many easy background locations. What effect does focal loss aim to have on their combined training influence?
    • Increase their count by duplicating them
    • Remove all positive object examples
    • Make every example receive an identical loss
    • Reduce their dominance so training can focus more on sparse hard examples