Вікторина, пов’язана з посібником · важко Рівень
Тест «Деформуючі звивини».
Досліджуйте вивчені зміщення вибірки, білінійну інтерполяцію, модуляцію та об’єднання областей у деформованих згорткових мережах і виявленні.
Питання 1 з 8
Що додає згортка, що деформується, порівняно зі стандартною згорткою?
Перегляньте кожне запитання8 запитання
Відповіді та пояснення з’являються під час виконання тесту.
- Що додає згортка, що деформується, порівняно зі стандартною згорткою?
- Більший фіксований розмір ядра
- Вивчені 2D зсуви, які зміщують кожну точку відбору
- Етап об’єднання після кожного шару
- Випадкове випадання на гирі
- Як генеруються зміщення вибірки в деформівній згортці?
- Вони закодовані вручну інженером
- Це фіксовані константи з таблиці пошуку
- Вони скопійовані з попереднього кадру
- Додатковий шар згортки передбачає їх на основі вхідних даних
- Оскільки передбачені зміщення зазвичай є дробовими, як вибірка значень пікселів у цих позиціях?
- Білінійна інтерполяція
- Лише округлення найближчого сусіда
- Максимальне об'єднання
- Їх пропускають
- Що додало Deformable ConvNets v2 (2018) до оригіналу?
- Повторювані підключення
- Лише нова функція втрат
- Вагові коефіцієнти модуляції на вибірку, які масштабують внесок кожної точки
- Видалення всіх заліків
- Чому згортки, що деформуються, особливо корисні для об’єктів неправильної форми?
- Їхнє сприйнятливе поле може деформуватися, повторюючи фактичні контури об’єкта
- Вони збільшують роздільну здатність зображення
- Вони стискають розмір моделі
- Вони перетворюють кольорові зображення в градації сірого
- Яка сучасна модель виявлення застосовує ідею деформації до трансформаційної уваги?
- ResNet-50
- AlexNet
- U-Net
- Деформований ДЕТР
- 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