แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ยาก ระดับ
แบบทดสอบ Convolution ที่เปลี่ยนรูปได้
สำรวจออฟเซ็ตการสุ่มตัวอย่างที่เรียนรู้ การแก้ไขแบบไบลิเนียร์ การปรับ และการรวมภูมิภาคในเครือข่ายและการตรวจจับแบบบิดเบี้ยวที่เปลี่ยนรูปได้
คำถาม 1 ของ 8
การบิดที่เปลี่ยนรูปได้จะเพิ่มอะไรเมื่อเปรียบเทียบกับการบิดแบบมาตรฐาน
ดูตัวอย่างทุกคำถาม8 คำถาม
คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ
- การบิดที่เปลี่ยนรูปได้จะเพิ่มอะไรเมื่อเปรียบเทียบกับการบิดแบบมาตรฐาน
- ขนาดเคอร์เนลคงที่ที่ใหญ่กว่า
- เรียนรู้การชดเชย 2 มิติที่เปลี่ยนจุดสุ่มตัวอย่างแต่ละจุด
- ขั้นตอนการรวมกันหลังจากทุกชั้น
- การออกจากตุ้มน้ำหนักแบบสุ่ม
- การสุ่มตัวอย่างจะชดเชยการบิดงอที่เปลี่ยนรูปได้อย่างไร
- พวกเขาเขียนโค้ดด้วยมือโดยวิศวกร
- เป็นค่าคงที่คงที่จากตารางค้นหา
- พวกเขาจะถูกคัดลอกมาจากเฟรมก่อนหน้า
- เลเยอร์การบิดเพิ่มเติมทำนายพวกมันจากอินพุต
- เนื่องจากออฟเซ็ตที่คาดการณ์ไว้มักจะเป็นเศษส่วน ค่าพิกเซลจะถูกสุ่มตัวอย่างที่ตำแหน่งเหล่านั้นอย่างไร
- การแก้ไขแบบไบลิเนียร์
- การปัดเศษเพื่อนบ้านที่ใกล้ที่สุดเท่านั้น
- การรวมกลุ่มสูงสุด
- พวกเขาถูกข้ามไป
- Deformable ConvNets v2 (2018) เพิ่มอะไรจากต้นฉบับ
- การเชื่อมต่อที่เกิดซ้ำ
- ฟังก์ชั่นการสูญเสียใหม่เท่านั้น
- ตุ้มน้ำหนักการปรับต่อตัวอย่างที่ปรับขนาดการมีส่วนร่วมของแต่ละจุด
- การกำจัดออฟเซ็ตทั้งหมด
- เหตุใดการบิดงอที่เปลี่ยนรูปได้จึงมีประโยชน์เป็นพิเศษกับวัตถุที่มีรูปร่างไม่ปกติ
- สนามรับของพวกมันสามารถบิดเบี้ยวตามรูปทรงที่แท้จริงของวัตถุได้
- พวกเขาเพิ่มความละเอียดของภาพ
- พวกเขาบีบอัดขนาดโมเดล
- พวกเขาแปลงภาพสีเป็นระดับสีเทา
- โมเดลการตรวจจับสมัยใหม่ใดที่ใช้แนวคิดที่เปลี่ยนรูปกับความสนใจของหม้อแปลงไฟฟ้าได้
- เรสเน็ต-50
- อเล็กซ์เน็ต
- ยู-เน็ต
- DETR ที่เปลี่ยนรูปได้
- 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