Quiz połączony z przewodnikiem · Średni Poziom

Quiz dotyczący utraty ogniskowej w przypadku niezrównoważonej detekcji

Sprawdza modulator utraty ogniskowej, brak równowagi klas, rolę alfa i gamma oraz różnice między dobrze sklasyfikowanymi i twardymi przykładami.

Powiązane ścieżki prowadząceUtrata ogniskowej w przypadku niezrównoważonej detekcji
Pytanie 1 z 8

Jaki podstawowy problem w jednoetapowym wykrywaniu obiektów miał rozwiązać utrata ogniskowej?

Podgląd każdego pytania8 pytania

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

  1. Jaki podstawowy problem w jednoetapowym wykrywaniu obiektów miał rozwiązać utrata ogniskowej?
    • Ekstremalna nierównowaga pomiędzy rzadkimi obiektami na pierwszym planie a obfitym, łatwym tłem
    • Mała prędkość wnioskowania detektorów dwustopniowych
    • Brak oznakowanych danych treningowych
    • Nadmierne dopasowanie do dużych obiektów
  2. Jaki jest czynnik modulujący, który mnoży stratę ogniskową na entropię krzyżową?
    • log(p_t)
    • (1 - p_t)^gamma
    • tylko p_t^2
    • 1 / p_t
  3. Co dzieje się ze stratą ogniskowej, gdy parametr ogniskowania gamma jest ustawiony na 0?
    • Staje się to błędem średniokwadratowym
    • Ignoruje wszystkie pozytywne przykłady
    • Staje się zwykłą entropią krzyżową
    • Rozbiega się w nieskończoność
  4. Co zwiększanie gamma robi z łatwymi, dobrze sklasyfikowanymi przykładami?
    • Zwiększa ich udział w stratach
    • Pozostawia ich wkład bez zmian
    • Usuwa je ze zbioru danych
    • Silniej tłumi udział w stratach
  5. Która architektura detektora wprowadziła utratę ogniskową?
    • RetinaNet
    • YOLOv1
    • Szybszy R-CNN
    • AlexNet
  6. Jaką rolę zwykle odgrywa parametr alfa obok gamma?
    • Określa tempo uczenia się
    • Równoważy względną wagę klas pozytywnych i negatywnych
    • Kontroluje rozdzielczość obrazu
    • Określa liczbę skrzynek zakotwiczeń
  7. For a hard example with p_t close to zero, what is the focal modulating factor (1 − p_t)^gamma likely to do?
    • Drive the factor to zero
    • Turn the example into a positive label
    • Keep the factor relatively close to one so the example retains substantial loss weight
    • Replace the cross-entropy term with alpha
  8. A dense detector has many easy background locations. What effect does focal loss aim to have on their combined training influence?
    • Increase their count by duplicating them
    • Remove all positive object examples
    • Make every example receive an identical loss
    • Reduce their dominance so training can focus more on sparse hard examples