Rehber bağlantılı sınav · Sert Seviye

Deforme Olabilen Evrişimler Testi

Deforme olabilen evrişimli ağlarda ve algılamada öğrenilen örnekleme uzaklıklarını, çift doğrusal enterpolasyonu, modülasyonu ve bölge havuzlamayı keşfedin.

İlgili kılavuz yollarıDeforme Olabilen Evrişimler
Soru 1 arasında 8

Deforme olabilen bir evrişim, standart bir evrişime kıyasla ne katar?

Her soruyu önizleyin8 sorular

Testi çözdüğünüzde cevaplar ve açıklamalar görünür.

  1. Deforme olabilen bir evrişim, standart bir evrişime kıyasla ne katar?
    • Daha büyük bir sabit çekirdek boyutu
    • Her örnekleme noktasını kaydıran öğrenilmiş 2 boyutlu ofsetler
    • Her katmandan sonra bir havuzlama adımı
    • Ağırlıklarda rastgele bırakma
  2. Deforme olabilen bir evrişimde örnekleme ofsetleri nasıl oluşturulur?
    • Mühendis tarafından elle kodlanırlar
    • Bunlar bir arama tablosundaki sabit sabitlerdir
    • Önceki kareden kopyalanırlar
    • Ek bir evrişim katmanı bunları girdiden tahmin eder
  3. Tahmin edilen uzaklıklar genellikle kesirli olduğundan piksel değerleri bu konumlarda nasıl örneklenir?
    • Çift doğrusal enterpolasyon
    • Yalnızca en yakın komşu yuvarlaması
    • Maksimum havuzlama
    • Atlanırlar
  4. Deformable ConvNets v2 (2018) orijinalin üzerine ne ekledi?
    • Tekrarlanan bağlantılar
    • Yalnızca yeni bir kayıp işlevi
    • Her noktanın katkısını ölçeklendiren örnek başına modülasyon ağırlıkları
    • Tüm ofsetlerin kaldırılması
  5. Deforme olabilen kıvrımlar neden özellikle düzensiz şekilli nesneler için faydalıdır?
    • Alıcı alanları nesnenin gerçek hatlarını takip edecek şekilde eğilebilir
    • Görüntü çözünürlüğünü artırırlar
    • Model boyutunu sıkıştırıyorlar
    • Renkli görüntüleri gri tonlamaya dönüştürürler
  6. Hangi modern algılama modeli, deforme olabilirlik fikrini transformatörün dikkatine uygular?
    • ResNet-50
    • AlexNet
    • U-Net
    • Deforme olabilen DETR
  7. 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
  8. 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