แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ

แบบทดสอบสถาปัตยกรรม U-Net

ทดสอบความสมมาตรของตัวเข้ารหัส-ตัวถอดรหัส U-Net การเชื่อมต่อแบบข้าม การแบ่งส่วนทางชีวการแพทย์ การทำนายสัญญาณรบกวนการแพร่กระจาย และทางเลือกอื่น

เส้นทางแนะนำที่เกี่ยวข้องสถาปัตยกรรม U Net
คำถาม 1 ของ 8

อะไรทำให้ U-Net มีรูปร่างเป็น 'U'

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  1. อะไรทำให้ U-Net มีรูปร่างเป็น 'U'
    • ตัวเข้ารหัสที่ดาวน์แซมเพิล และเครื่องถอดรหัสแบบสมมาตรที่อัปแซมเพิล
    • การโน้มน้าวใจแบบกองเดียว
    • เครือข่ายคู่ขนานสองเครือข่ายที่ไม่มีการเชื่อมต่อ
    • การวนซ้ำตามขั้นตอนของเวลา
  2. จุดประสงค์ของการเชื่อมต่อแบบข้ามของ U-Net คืออะไร?
    • เพื่อลดจำนวนพารามิเตอร์ให้เป็นศูนย์
    • เพื่อส่งรายละเอียดเชิงพื้นที่อย่างละเอียดจากเลเยอร์ตัวเข้ารหัสโดยตรงไปยังเลเยอร์ตัวถอดรหัสที่ตรงกัน
    • ในการแปลงภาพให้เป็นโทนสีเทา
    • ที่จะข้ามการฝึกโดยสิ้นเชิง
  3. U-Net เดิมออกแบบมาเพื่ออะไร
    • การรู้จำเสียง
    • การทำนายราคาหุ้น
    • การแบ่งส่วนภาพชีวการแพทย์
    • การแปลข้อความ
  4. ใน Stable Diffusion U-Net ทำนายอะไรในแต่ละขั้นตอน
    • คำบรรยายสุดท้ายของภาพ
    • อัตราส่วนกำลังอัด
    • มุมกล้อง
    • เสียงที่จะลบออกจากเสียงแฝงที่มีเสียงดัง
  5. จะเกิดอะไรขึ้นกับข้อมูลเชิงพื้นที่เมื่อดาวน์สุ่มตัวอย่างตัวเข้ารหัส
    • มันสรุปว่า 'อะไร' มีอยู่ แต่สูญเสียรายละเอียด 'ที่ไหน' ที่แม่นยำ
    • มันได้รับตำแหน่งพิกเซลที่แน่นอน
    • มันแปลงรูปภาพเป็นข้อความ
    • มันเพิ่มความละเอียดเป็นสองเท่า
  6. Which augmentation did the original U-Net paper use to learn invariance from limited annotated biomedical images?
    • Replacing every image with a random label
    • Elastic deformations of the training images
    • Training only on unmodified test images
    • Removing the decoder path before training
  7. How did the original U-Net paper process large images beyond the network’s input size?
    • By discarding all image borders
    • By resizing every image to one pixel
    • By predicting on overlapping tiles and extrapolating context at tile borders
    • By running the model once on a text prompt
  8. What did the original U-Net paper’s weighted loss emphasize?
    • Only background pixels, regardless of distance
    • The most common image color
    • Noise prediction at a diffusion timestep
    • Border pixels between touching cells to help separate adjacent objects