گائیڈ سے منسلک کوئز · مشکل سطح
سوئن ٹرانسفارمر کوئز
سوئن میں شفٹ ونڈو توجہ، کراس ونڈو کمیونیکیشن، درجہ بندی کی خصوصیات، پیچ انضمام، اور وژن ٹاسک ایپلی کیشنز کو چیک کریں۔
سوال 1 کی 8
Swin Transformer میں 'Swin' کا کیا مطلب ہے؟
ہر سوال کا جائزہ لیں۔8 سوالات
جب آپ کوئز دیتے ہیں تو جوابات اور وضاحتیں ظاہر ہوتی ہیں۔
- Swin Transformer میں 'Swin' کا کیا مطلب ہے؟
- شفٹ شدہ ونڈوز
- ہموار کھڑکی
- مقامی سمیٹنا
- سنگل ونڈو
- What positional information does Swin add within each local attention window?
- Absolute word embeddings from a text tokenizer
- A learnable relative-position bias
- A global convolution kernel shared across all windows
- A class-specific bounding-box regression target
- سوئن معلومات کو علیحدہ ونڈوز کے درمیان کیسے منتقل ہونے دیتا ہے؟
- یہ بار بار کنکشن کا استعمال کرتا ہے
- یہ ونڈو کی حدود کو مکمل طور پر حذف کر دیتا ہے۔
- یہ ونڈو پارٹیشن کو متبادل تہوں میں شفٹ کرتا ہے۔
- یہ صرف ایک عالمی ونڈو کا استعمال کرتا ہے۔
- Swin مراحل کے درمیان پیچ ضم کرنے والی پرتیں کیا کرتی ہیں؟
- ریزولوشن میں اضافہ کریں اور چینلز کو ہٹا دیں۔
- تصادفی طور پر پیچ چھوڑیں۔
- پیچ کو الفاظ میں ترجمہ کریں۔
- ہمسایہ پیچ کو ضم کریں، ریزولوشن کو کم کریں اور چینلز میں اضافہ کریں۔
- سوئن کا درجہ بندی، کثیر پیمانے پر آؤٹ پٹ خاص طور پر مفید کیوں ہے؟
- یہ پتہ لگانے اور تقسیم کرنے والے فریم ورک میں صفائی کے ساتھ پلگ کرتا ہے جو فیچر اہرام کی توقع کرتے ہیں۔
- یہ صرف سنگل لیبل کی درجہ بندی میں مدد کرتا ہے۔
- یہ لیبل والے ڈیٹا کی ضرورت کو دور کرتا ہے۔
- یہ ماڈل کو کسی بھی CNN سے چھوٹا بناتا ہے۔
- How does Swin’s attention pattern differ from standard ViT attention?
- Swin has no attention mechanism
- Swin computes attention in local windows and shifts partitions between blocks; standard ViT uses global patch attention
- ViT uses only local convolutions
- Both always use identical global attention
- What scaling property does fixed-size window attention provide in Swin?
- It is independent of image resolution
- It becomes quadratic in channel count only
- Attention computation grows linearly with image size for fixed window size
- It removes all attention computation
- Why does shifted-window attention use a mask after the cyclic shift?
- To force every patch to attend to every image patch
- To remove all positional information
- To convert window attention into a convolution
- To prevent tokens from attending across boundaries that should remain separate windows