Вікторина, пов’язана з посібником · Середній Рівень

Тест про пірамідні мережі

Перевірте злиття функцій FPN зверху вниз і бічних функцій, специфічні рівні масштабу, підвищення дискретизації найближчого сусіда та використання для багатомасштабного виявлення об’єктів.

Пов'язані напрямні шляхиФункція Pyramid Networks
Питання 1 з 8

Яку основну проблему в першу чергу вирішує функція Feature Pyramid Network?

Перегляньте кожне запитання8 запитання

Відповіді та пояснення з’являються під час виконання тесту.

  1. Яку основну проблему в першу чергу вирішує функція Feature Pyramid Network?
    • Виявлення об’єктів, які виглядають у дуже різних масштабах
    • Зменшення кількості необхідних навчальних зображень
    • Видалення дублікатів обмежувальних рамок після виявлення
    • Стиснення моделей для мобільного розгортання
  2. Порівняно з побудовою піраміди зображень (зміна розміру та повторний запуск мережі), FPN є переважно перевагою, оскільки вона:
    • Магістральна мережа взагалі не потрібна
    • Повторно використовує функції, уже обчислені в мережі, заощаджуючи обчислення
    • Позбавляє від необхідності будь-яких звивин
    • Працює лише на зображеннях у відтінках сірого
  3. Яка роль низхідного шляху у FPN?
    • Він відкидає функції з низькою роздільною здатністю
    • Він перетворює зображення на вектори ознак лише для класифікації
    • Він містить семантично багаті, глибокі функції до вищої роздільної здатності
    • Він виконує не максимальне придушення
  4. Як бічні з’єднання зазвичай поєднуються з функціями підвищення дискретизації зверху вниз?
    • З’єднані по каналу, а потім наполовину
    • Помножується поелементно після softmax
    • Віднімається для обчислення різницевої карти
    • Додано поелементно після згортки 1x1, вирівнює канали
  5. Чому до кожної об’єднаної карти об’єктів у FPN застосовується згортка 3x3?
    • Щоб згладити карту та зменшити накладення сигналів від підвищення дискретизації
    • Щоб зменшити просторову роздільну здатність вдвічі
    • Щоб класифікувати зображення за категоріями
    • Для безпосереднього перетворення об’єктів у координати обмежувальної рамки
  6. Яка пізніша архітектура розширила FPN за допомогою зваженого двонаправленого злиття, яке можна вивчати?
    • AlexNet
    • BiFPN, використовується в EfficientDet
    • Ленет-5
    • Word2Vec
  7. How is a top-down FPN feature map typically resized before lateral fusion?
    • Downsampled to a single pixel
    • Rotated 90 degrees
    • Upsampled by a factor of two using nearest-neighbor interpolation
    • Converted into a text sequence
  8. What does an FPN preserve by merging shallow high-resolution features with deeper semantic features?
    • Only the original image colors
    • Only the deepest layer’s low-resolution grid
    • The exact training labels without feature extraction
    • Fine spatial detail together with stronger semantic information