Quiz collegato alla guida · Difficile Livello

Quiz sulle convoluzioni deformabili

Esplora gli offset di campionamento appresi, l'interpolazione bilineare, la modulazione e il pooling di regioni in reti convoluzionali deformabili e rilevamento.

Percorsi guida correlatiConvoluzioni deformabili
Domanda 1 di 8

Cosa aggiunge una convoluzione deformabile rispetto a una convoluzione standard?

Anteprima di ogni domanda8 domande

Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.

  1. Cosa aggiunge una convoluzione deformabile rispetto a una convoluzione standard?
    • Una dimensione del kernel fissa più grande
    • Offset 2D appresi che spostano ciascun punto di campionamento
    • Una fase di raggruppamento dopo ogni strato
    • Abbandono casuale sui pesi
  2. Come vengono generati gli offset di campionamento in una convoluzione deformabile?
    • Sono codificati manualmente dall'ingegnere
    • Sono costanti fisse da una tabella di ricerca
    • Vengono copiati dal fotogramma precedente
    • Un ulteriore livello di convoluzione li prevede dall'input
  3. Poiché gli offset previsti sono generalmente frazionari, come vengono campionati i valori dei pixel in quelle posizioni?
    • Interpolazione bilineare
    • Solo arrotondamento del vicino più vicino
    • Raggruppamento massimo
    • Vengono saltati
  4. Cosa ha aggiunto Deformable ConvNets v2 (2018) rispetto all'originale?
    • Connessioni ricorrenti
    • Solo una nuova funzione di perdita
    • Pesi di modulazione per campione che ridimensionano il contributo di ciascun punto
    • Rimozione di tutti gli offset
  5. Perché le convoluzioni deformabili sono particolarmente utili per oggetti di forma irregolare?
    • Il loro campo recettivo può deformarsi per seguire i contorni reali dell'oggetto
    • Aumentano la risoluzione dell'immagine
    • Comprimono le dimensioni del modello
    • Convertono le immagini a colori in scala di grigi
  6. Quale moderno modello di rilevamento applica l'idea deformabile all'attenzione del trasformatore?
    • ResNet-50
    • AlexNet
    • U-Net
    • DETR.deformabile
  7. Per un kernel deformabile bidimensionale a N punti, quanti componenti di offset vengono predetti per ogni posizione di output?
    • N: una probabilità di classe per punto
    • N al quadrato: uno spostamento per ogni coppia di punti
    • 2N: uno spostamento orizzontale e uno verticale per punto
    • Due in totale, condivisi da tutti i N punti
  8. Dove il pooling RoI deformabile applica offset adattivi?
    • Solo ai nomi delle classi in output del rilevatore
    • Alle posizioni di campionamento all'interno delle caratteristiche della regione di un oggetto proposto
    • Alle coordinate della bounding box di verità a terra prima dell'annotazione
    • Solo ai blocchi di compressione del file immagine