Kuis terkait panduan · Sedang Tingkat

Fitur Kuis Jaringan Piramida

Uji fusi fitur top-down dan lateral FPN, level skala spesifik, upsampling tetangga terdekat, dan gunakan dalam deteksi objek multiskala.

Jalur panduan terkaitFitur Jaringan Piramida
Pertanyaan 1 dari 8

Masalah inti apa yang terutama dipecahkan oleh Feature Pyramid Network?

Pratinjau setiap pertanyaan8 pertanyaan

Jawaban dan penjelasan muncul saat Anda mengikuti kuis.

  1. Masalah inti apa yang terutama dipecahkan oleh Feature Pyramid Network?
    • Mendeteksi objek yang muncul pada skala yang sangat berbeda
    • Mengurangi jumlah gambar pelatihan yang dibutuhkan
    • Menghapus kotak pembatas duplikat setelah terdeteksi
    • Mengompresi model untuk penerapan seluler
  2. Dibandingkan dengan membangun piramida gambar (mengubah ukuran dan menjalankan kembali jaringan), FPN lebih menguntungkan karena:
    • Tidak memerlukan jaringan backbone sama sekali
    • Menggunakan kembali fitur yang sudah dihitung di dalam jaringan, sehingga menghemat komputasi
    • Menghilangkan kebutuhan akan konvolusi apa pun
    • Hanya berfungsi pada gambar skala abu-abu
  3. Di FPN, apa peran jalur top-down?
    • Ini membuang fitur resolusi rendah
    • Ini mengubah gambar menjadi vektor fitur untuk klasifikasi saja
    • Ini membawa fitur yang kaya secara semantik dan mendalam hingga resolusi yang lebih tinggi
    • Ia melakukan penekanan non-maksimal
  4. Bagaimana koneksi lateral biasanya digabungkan dengan fitur top-down yang disampel?
    • Digabungkan berdasarkan saluran lalu dibelah dua
    • Dikalikan berdasarkan elemen setelah softmax
    • Dikurangi untuk menghitung peta perbedaan
    • Ditambahkan berdasarkan elemen setelah konvolusi 1x1 menyelaraskan saluran
  5. Mengapa konvolusi 3x3 diterapkan pada setiap peta fitur yang digabungkan di FPN?
    • Untuk menghaluskan peta dan mengurangi aliasing dari upsampling
    • Untuk mengurangi resolusi spasial hingga setengahnya
    • Untuk mengklasifikasikan gambar ke dalam kategori
    • Untuk mengubah fitur menjadi koordinat kotak pembatas secara langsung
  6. Arsitektur manakah yang kemudian memperluas FPN dengan fusi dua arah berbobot yang dapat dipelajari?
    • AlexNet
    • BiFPN, digunakan di EfficientDet
    • LeNet-5
    • Kata2Vec
  7. How is a top-down FPN feature map typically resized before lateral fusion?
    • Downsampled to a single pixel
    • Rotated 90 degrees
    • Upsampled by a factor of two using nearest-neighbor interpolation
    • Converted into a text sequence
  8. What does an FPN preserve by merging shallow high-resolution features with deeper semantic features?
    • Only the original image colors
    • Only the deepest layer’s low-resolution grid
    • The exact training labels without feature extraction
    • Fine spatial detail together with stronger semantic information