Вікторина, пов’язана з посібником · Середній Рівень

Втрата фокуса для незбалансованого виявлення Тест

Перевіряє модулятор фокусних втрат, дисбаланс класів, роль альфа- та гамма-випромінювання, а також те, наскільки добре класифіковані та жорсткі приклади відрізняються.

Пов'язані напрямні шляхиФокусні втрати для незбалансованого виявлення
Питання 1 з 8

Яку основну проблему в одноетапному виявленні об’єктів було спрямовано на вирішення фокусних втрат?

Перегляньте кожне запитання8 запитання

Відповіді та пояснення з’являються під час виконання тесту.

  1. Яку основну проблему в одноетапному виявленні об’єктів було спрямовано на вирішення фокусних втрат?
    • Надзвичайний дисбаланс між рідкісними об’єктами переднього плану та рясним легким фоном
    • Повільна швидкість виведення двокаскадних детекторів
    • Відсутність позначених навчальних даних
    • Переобладнання великих об'єктів
  2. Який модулюючий фактор примножує фокусні втрати на крос-ентропію?
    • log(p_t)
    • (1 - p_t)^gamma
    • лише p_t^2
    • 1 / п_т
  3. Що відбувається з фокусною втратою, якщо параметр фокусування gamma встановлено на 0?
    • Це стає середньоквадратичною помилкою
    • Він ігнорує всі позитивні приклади
    • Це стає звичайною крос-ентропією
    • Воно розходиться до нескінченності
  4. Що робить збільшення гами з легкими, добре класифікованими прикладами?
    • Збільшує їх внесок у збитки
    • Залишає їхній внесок без змін
    • Видаляє їх із набору даних
    • Сильніше пригнічує їх внесок у втрати
  5. Яка архітектура детектора запровадила фокусні втрати?
    • RetinaNet
    • YOLOv1
    • Швидший R-CNN
    • AlexNet
  6. Яку роль зазвичай відіграє альфа-параметр поряд з гамою?
    • Він встановлює швидкість навчання
    • Він врівноважує відносну вагу позитивних і негативних класів
    • Він контролює роздільну здатність зображення
    • Він визначає кількість анкерних коробок
  7. For a hard example with p_t close to zero, what is the focal modulating factor (1 − p_t)^gamma likely to do?
    • Drive the factor to zero
    • Turn the example into a positive label
    • Keep the factor relatively close to one so the example retains substantial loss weight
    • Replace the cross-entropy term with alpha
  8. A dense detector has many easy background locations. What effect does focal loss aim to have on their combined training influence?
    • Increase their count by duplicating them
    • Remove all positive object examples
    • Make every example receive an identical loss
    • Reduce their dominance so training can focus more on sparse hard examples