Gids-gekoppelde quiz · Moeilijk Niveau
Vervormbare convoluties Quiz
Ontdek aangeleerde sampling-offsets, bilineaire interpolatie, modulatie en regiopooling in vervormbare convolutionele netwerken en detectie.
Vraag 1 van 8
Wat voegt een vervormbare convolutie toe ten opzichte van een standaard convolutie?
Bekijk elke vraag8 vragen
Antwoorden en uitleg verschijnen terwijl je de quiz doet.
- Wat voegt een vervormbare convolutie toe ten opzichte van een standaard convolutie?
- Een grotere vaste kernelgrootte
- 2D-offsets geleerd die elk bemonsteringspunt verschuiven
- Een poolstap na elke laag
- Willekeurige uitval op de gewichten
- Hoe worden de bemonsteringsverschuivingen in een vervormbare convolutie gegenereerd?
- Ze worden met de hand gecodeerd door de ingenieur
- Het zijn vaste constanten uit een opzoektabel
- Ze worden gekopieerd van het vorige frame
- Een extra convolutielaag voorspelt ze op basis van de invoer
- Omdat voorspelde offsets meestal fractioneel zijn, hoe worden pixelwaarden op die posities bemonsterd?
- Bilineaire interpolatie
- Alleen afronding van de dichtstbijzijnde buur
- Maximaal poolen
- Ze worden overgeslagen
- Wat heeft Deformable ConvNets v2 (2018) toegevoegd ten opzichte van het origineel?
- Terugkerende verbindingen
- Alleen een nieuwe verliesfunctie
- Modulatiegewichten per monster die de bijdrage van elk punt schalen
- Verwijdering van alle offsets
- Waarom zijn vervormbare windingen vooral nuttig voor onregelmatig gevormde objecten?
- Hun receptieve veld kan kromtrekken om de werkelijke contouren van het object te volgen
- Ze verhogen de beeldresolutie
- Ze comprimeren de modelgrootte
- Ze zetten kleurenafbeeldingen om naar grijstinten
- Welk moderne detectiemodel past het vervormbare idee toe op de aandacht van transformatoren?
- ResNet-50
- AlexNet
- U-Net
- Vervormbare DETR
- For an N-point two-dimensional deformable kernel, how many offset components are predicted at each output location?
- N: one class probability per point
- N squared: one displacement for every pair of points
- 2N: one horizontal and one vertical displacement per point
- Two total, shared by all N points
- Where does deformable RoI pooling apply adaptive offsets?
- Only to the detector's output class names
- To sampling locations within a proposed object's region features
- To the ground-truth box coordinates before annotation
- Only to the image file's compression blocks