Test legat de ghid · Mediu Nivel

Chestionar pentru amestecare și creșterea CutMix

Testați intrările și etichetele combinate, patch-urile CutMix dreptunghiulare, greutățile zonei, eșantionarea beta și proporțiile țintă numerice pentru ambele metode.

Căi de ghidare aferenteMixup și Cutmix Augmentation
Întrebare 1 de 8

Cum creează Mixup un nou exemplu de antrenament?

Previzualizează fiecare întrebare8 întrebări

Răspunsurile și explicațiile apar pe măsură ce susțineți testul.

  1. Cum creează Mixup un nou exemplu de antrenament?
    • Prin rotirea unei singure imagini și păstrarea etichetei acesteia
    • Decupând un pătrat aleatoriu și aruncându-l
    • Prin conversia imaginii în tonuri de gri
    • Prin interpolarea liniară a două imagini și a etichetelor lor cu o greutate lambda
  2. Care este diferența de bază dintre CutMix și Mixup?
    • CutMix folosește o singură imagine, în timp ce Mixup folosește două
    • CutMix lipește un patch dreptunghiular dintr-o imagine pe alta, în loc să amestece pixeli peste tot
    • CutMix schimbă doar eticheta și niciodată imaginea
    • CutMix se aplică exclusiv datelor text
  3. În CutMix, cum se determină greutatea de amestecare (lambda) pentru etichete?
    • Este întotdeauna fixat la 0,5
    • Prin luminozitatea imaginii mai strălucitoare
    • Prin proporția de suprafață a pixelilor contribuie fiecare imagine
    • Aleatoriu, fără nicio legătură cu imaginile
  4. În afară de imaginea de intrare, ce mai modifică Mixup și CutMix?
    • Eticheta, transformând-o într-o țintă mixtă moale
    • Rata de învățare a optimizatorului
    • Numărul de straturi din rețea
    • Dimensiunea lotului
  5. Ce distribuție este utilizată în mod obișnuit pentru a eșantiona coeficientul de amestecare lambda?
    • Distribuție uniformă între numere întregi
    • Distribuție beta
    • Distribuția Poisson
    • Distribuția Bernoulli cu p fixat la 1
  6. Un beneficiu documentat al acestor creșteri de amestecare este îmbunătățit:
    • Comprimarea fișierului model antrenat
    • Viteza de antrenament prin eliminarea nevoii de propagare inversă
    • Abilitatea de a te antrena fără nicio etichetă
    • Robustețe și calibrare pe lângă precizie
  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