Questionário vinculado ao guia · Médio Nível
Questionário sobre redes de pirâmide de recursos
Teste a fusão de recursos laterais e de cima para baixo do FPN, níveis específicos de escala, aumento da resolução do vizinho mais próximo e uso na detecção de objetos multiescala.
Pergunta 1 de 8
Qual problema central uma rede em pirâmide de recursos resolve principalmente?
Visualize cada pergunta8 perguntas
As respostas e explicações aparecem conforme você responde ao teste.
- Qual problema central uma rede em pirâmide de recursos resolve principalmente?
- Detectando objetos que aparecem em escalas muito diferentes
- Reduzindo o número de imagens de treinamento necessárias
- Removendo caixas delimitadoras duplicadas após a detecção
- Compactando modelos para implantação móvel
- Comparado à construção de uma pirâmide de imagens (redimensionamento e reexecução da rede), o FPN é principalmente vantajoso porque:
- Não requer nenhuma rede backbone
- Reutiliza recursos já computados dentro da rede, economizando computação
- Elimina a necessidade de quaisquer convoluções
- Funciona apenas em imagens em tons de cinza
- Na FPN, qual é o papel do caminho descendente?
- Ele descarta recursos de baixa resolução
- Ele converte imagens em vetores de recursos apenas para classificação
- Ele carrega recursos profundos e semanticamente ricos em resoluções mais altas
- Ele executa supressão não máxima
- Como as conexões laterais são normalmente combinadas com os recursos de cima para baixo com amostragem aumentada?
- Concatenado por canal e depois dividido pela metade
- Multiplicado elemento a elemento após um softmax
- Subtraído para calcular um mapa de diferenças
- Adicionado elemento a elemento após uma convolução 1x1 alinhar os canais
- Por que uma convolução 3x3 é aplicada a cada mapa de recursos mesclado no FPN?
- Para suavizar o mapa e reduzir o aliasing do aumento da resolução
- Para reduzir a resolução espacial pela metade
- Para classificar a imagem em categorias
- Para converter recursos diretamente em coordenadas de caixa delimitadora
- Qual arquitetura posterior estendeu a FPN com fusão bidirecional ponderada e que pode ser aprendida?
- Alex Net
- BiFPN, usado no EfficientDet
- LeNet-5
- Word2Vec
- How is a top-down FPN feature map typically resized before lateral fusion?
- Downsampled to a single pixel
- Rotated 90 degrees
- Upsampled by a factor of two using nearest-neighbor interpolation
- Converted into a text sequence
- What does an FPN preserve by merging shallow high-resolution features with deeper semantic features?
- Only the original image colors
- Only the deepest layer’s low-resolution grid
- The exact training labels without feature extraction
- Fine spatial detail together with stronger semantic information