گائیڈ سے منسلک کوئز · مشکل سطح
ڈیفارم ایبل کنولوشنز کوئز
سیکھے ہوئے سیمپلنگ آفسیٹس، دو لائنر انٹرپولیشن، ماڈیولیشن، اور ریجن پولنگ کو قابلِ تعمیل کنوولیشنل نیٹ ورکس اور ڈٹیکشن میں دریافت کریں۔
سوال 1 کی 8
ایک معیاری کنوولوشن کے مقابلے میں ایک درست شکل میں کیا اضافہ ہوتا ہے؟
ہر سوال کا جائزہ لیں۔8 سوالات
جب آپ کوئز دیتے ہیں تو جوابات اور وضاحتیں ظاہر ہوتی ہیں۔
- ایک معیاری کنوولوشن کے مقابلے میں ایک درست شکل میں کیا اضافہ ہوتا ہے؟
- ایک بڑا فکسڈ دانا سائز
- 2D آفسیٹس سیکھے جو ہر سیمپلنگ پوائنٹ کو تبدیل کرتے ہیں۔
- ہر پرت کے بعد ایک پولنگ مرحلہ
- وزن پر بے ترتیب ڈراپ آؤٹ
- ایک قابل شکل کنوولوشن میں نمونے لینے کے آفسیٹ کیسے بنائے جاتے ہیں؟
- وہ انجینئر کے ذریعہ ہاتھ سے کوڈ کیے گئے ہیں۔
- وہ تلاش کی میز سے مقررہ مستقل ہیں۔
- وہ پچھلے فریم سے کاپی کیے گئے ہیں۔
- ایک اضافی کنولوشن پرت ان پٹ سے ان کی پیش گوئی کرتی ہے۔
- چونکہ پیشن گوئی شدہ آفسیٹس عام طور پر جزوی ہوتے ہیں، ان پوزیشنوں پر پکسل ویلیوز کا نمونہ کیسے لیا جاتا ہے؟
- دو لکیری انٹرپولیشن
- صرف قریبی پڑوسی راؤنڈنگ
- زیادہ سے زیادہ پولنگ
- انہیں چھوڑ دیا جاتا ہے۔
- Deformable ConvNets v2 (2018) نے اصل میں کیا اضافہ کیا؟
- بار بار ہونے والے رابطے
- صرف ایک نیا نقصان کا فنکشن
- فی نمونہ ماڈیولیشن وزن جو ہر پوائنٹ کی شراکت کو پیمانہ کرتا ہے۔
- تمام آفسیٹس کو ہٹانا
- بے ترتیب شکل والی اشیاء کے لیے خاص طور پر قابلِ اصلاح کنولیشنز کیوں مددگار ہیں؟
- ان کا قبول کرنے والا فیلڈ آبجیکٹ کی اصل شکلوں کی پیروی کرنے کے لیے تڑپ سکتا ہے۔
- وہ امیج ریزولوشن میں اضافہ کرتے ہیں۔
- وہ ماڈل کے سائز کو کمپریس کرتے ہیں۔
- وہ رنگین تصاویر کو گرے اسکیل میں تبدیل کرتے ہیں۔
- کون سا جدید پتہ لگانے والا ماڈل ٹرانسفارمر کی توجہ پر خراب خیال کو لاگو کرتا ہے؟
- ResNet-50
- الیکس نیٹ
- یو نیٹ
- خراب ہونے والا DETR
- 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