Útmutatóhoz kapcsolódó kvíz · Kemény Szint

Swin Transformer kvíz

Check shifted-window attention, cross-window communication, hierarchical features, patch merging, and vision-task applications in Swin.

Kapcsolódó útmutató utakSwin Transzformátor
kérdés 1 -ból 8

Mit jelent a „Swin” a Swin Transformerben?

Tekintse meg az összes kérdést8 kérdéseket

A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.

  1. Mit jelent a „Swin” a Swin Transformerben?
    • Eltöltött Windows
    • Sima ablak
    • Térbeli tekercselés
    • Egyablakos
  2. What positional information does Swin add within each local attention window?
    • Absolute word embeddings from a text tokenizer
    • A learnable relative-position bias
    • A global convolution kernel shared across all windows
    • A class-specific bounding-box regression target
  3. Hogyan engedi a Swin az információkat a különálló ablakok között?
    • Ismétlődő kapcsolatokat használ
    • Teljesen törli az ablakhatárokat
    • Az ablakpartíciót váltakozó rétegekben tolja el
    • Csak egyetlen globális ablakot használ
  4. Mit csinálnak a foltösszevonó rétegek a Swin szakaszai között?
    • Növelje a felbontást és távolítsa el a csatornákat
    • Véletlenszerűen ejtse le a foltokat
    • Fordítsa le a foltokat szavakra
    • Egyesítse a szomszédos javításokat, csökkentve a felbontást és növelve a csatornákat
  5. Miért különösen hasznos a Swin hierarchikus, többléptékű kimenete?
    • Szépen csatlakozik az észlelési és szegmentációs keretrendszerekhez, amelyek jellemző piramisokat várnak el
    • Csak az egycímkés osztályozásnál segít
    • Megszünteti a címkézett adatok szükségességét
    • Ettől a modell kisebb, mint bármelyik CNN
  6. How does Swin’s attention pattern differ from standard ViT attention?
    • Swin has no attention mechanism
    • Swin computes attention in local windows and shifts partitions between blocks; standard ViT uses global patch attention
    • ViT uses only local convolutions
    • Both always use identical global attention
  7. What scaling property does fixed-size window attention provide in Swin?
    • It is independent of image resolution
    • It becomes quadratic in channel count only
    • Attention computation grows linearly with image size for fixed window size
    • It removes all attention computation
  8. Why does shifted-window attention use a mask after the cyclic shift?
    • To force every patch to attend to every image patch
    • To remove all positional information
    • To convert window attention into a convolution
    • To prevent tokens from attending across boundaries that should remain separate windows