Kuis terkait panduan · Sedang Tingkat

Kuis Augmentasi Mixup dan CutMix

Uji input dan label campuran, patch CutMix persegi panjang, bobot area, pengambilan sampel Beta, dan proporsi target numerik untuk kedua metode.

Jalur panduan terkaitAugmentasi Mixup dan Cutmix
Pertanyaan 1 dari 8

Bagaimana Mixup membuat contoh pelatihan baru?

Pratinjau setiap pertanyaan8 pertanyaan

Jawaban dan penjelasan muncul saat Anda mengikuti kuis.

  1. Bagaimana Mixup membuat contoh pelatihan baru?
    • Dengan memutar satu gambar dan mempertahankan labelnya
    • Dengan memotong kotak secara acak dan membuangnya
    • Dengan mengubah gambar menjadi skala abu-abu
    • Dengan menginterpolasi dua gambar dan labelnya secara linier dengan lambda bobot
  2. Apa perbedaan inti antara CutMix dan Mixup?
    • CutMix hanya menggunakan satu gambar sedangkan Mixup menggunakan dua gambar
    • CutMix menempelkan tambalan persegi panjang dari satu gambar ke gambar lainnya alih-alih memadukan piksel di mana pun
    • CutMix hanya mengubah label dan tidak pernah mengubah gambar
    • CutMix berlaku secara eksklusif untuk data teks
  3. Di CutMix, bagaimana cara menentukan berat pencampuran (lambda) untuk label?
    • Itu selalu ditetapkan pada 0,5
    • Dengan kecerahan gambar yang lebih cerah
    • Berdasarkan proporsi area piksel yang dikontribusikan setiap gambar
    • Secara acak, tidak ada hubungannya dengan gambar
  4. Selain gambar masukan, apa lagi yang dimodifikasi oleh Mixup dan CutMix?
    • Labelnya, mengubahnya menjadi target campuran yang lembut
    • Kecepatan pembelajaran pengoptimal
    • Jumlah lapisan dalam jaringan
    • Ukuran kumpulan
  5. Distribusi manakah yang biasa digunakan untuk mengambil sampel koefisien pencampuran lambda?
    • Distribusi seragam pada bilangan bulat
    • Distribusi beta
    • Distribusi racun
    • Distribusi Bernoulli dengan p tetap pada 1
  6. Manfaat yang terdokumentasi dari augmentasi pencampuran ini ditingkatkan:
    • Kompresi file model terlatih
    • Kecepatan pelatihan dengan menghilangkan kebutuhan propagasi mundur
    • Kemampuan untuk berlatih tanpa label apa pun
    • Kekokohan dan kalibrasi selain akurasi
  7. Mixup uses lambda = 0.25 for image A and one minus lambda for image B. What target weights follow?
    • 25% A and 75% B
    • 75% A and 25% B
    • 50% each regardless of lambda
    • 100% A because it is listed first
  8. A CutMix patch replaces 20% of image A’s pixel area with image B. What label weights does the stated area rule use?
    • 20% A and 80% B
    • 100% B for any patch
    • 80% A and 20% B
    • 50% each for all rectangles