Mixup 및 CutMix 확대 퀴즈

퀴즈를 풀면 정답과 설명이 나타납니다.

1. Mixup은 어떻게 새로운 훈련 예제를 생성합니까?
   • 단일 이미지를 회전하고 해당 라벨을 유지함으로써
   • 임의의 사각형을 자르고 버립니다.
   • 이미지를 회색조로 변환하여
   • 두 개의 이미지와 해당 레이블을 가중치 람다로 선형 보간하여
2. CutMix와 Mixup의 핵심 차이점은 무엇입니까?
   • CutMix는 하나의 이미지만 사용하는 반면 Mixup은 두 개의 이미지를 사용합니다.
   • CutMix는 픽셀을 모든 곳에서 혼합하는 대신 한 이미지의 직사각형 패치를 다른 이미지에 붙여넣습니다.
   • CutMix는 라벨만 변경하고 이미지는 변경하지 않습니다.
   • CutMix는 텍스트 데이터에만 적용됩니다.
3. CutMix에서 라벨의 혼합 중량(람다)은 어떻게 결정됩니까?
   • 항상 0.5로 고정되어 있습니다.
   • 더 밝은 이미지의 밝기로
   • 각 이미지가 기여하는 픽셀 영역의 비율에 따라
   • 이미지와 관계없이 랜덤으로
4. 입력 이미지 외에 Mixup과 CutMix는 또 무엇을 수정합니까?
   • 라벨, 부드러운 혼합 타겟으로 변신
   • 옵티마이저의 학습률
   • 네트워크의 레이어 수
   • 배치 크기
5. 혼합 계수 람다를 샘플링하는 데 일반적으로 사용되는 분포는 무엇입니까?
   • 정수에 대한 균일 분포
   • 베타 배포
   • 포아송 분포
   • p가 1로 고정된 베르누이 분포
6. 이러한 혼합 확장의 문서화된 이점이 개선되었습니다.
   • 훈련된 모델 파일 압축
   • 역전파의 필요성을 제거하여 훈련 속도
   • 라벨 없이 훈련할 수 있는 능력
   • 정확성에 더해 견고성과 교정 기능 제공
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