گائیڈ سے منسلک کوئز · درمیانہ سطح
یو نیٹ آرکیٹیکچر کوئز
U-Net encoder-decoder symmetry، Skip کنکشن، بایومیڈیکل سیگمنٹیشن، diffusion noise prediction، اور متبادلات کی جانچ کریں۔
سوال 1 کی 8
U-Net کو اس کی 'U' شکل کیا دیتی ہے؟
ہر سوال کا جائزہ لیں۔8 سوالات
جب آپ کوئز دیتے ہیں تو جوابات اور وضاحتیں ظاہر ہوتی ہیں۔
- U-Net کو اس کی 'U' شکل کیا دیتی ہے؟
- ایک انکوڈر جو نمونے کو نیچے کرتا ہے اور ایک ہم آہنگ ڈیکوڈر جو نمونوں کو اوپر کرتا ہے۔
- convolutions کا ایک واحد سیدھا ڈھیر
- بغیر کنکشن کے دو متوازی نیٹ ورک
- وقت کے مراحل کے ساتھ ایک بار بار چلنے والا لوپ
- U-Net کے کنکشن کو چھوڑنے کا مقصد کیا ہے؟
- پیرامیٹرز کی تعداد کو صفر تک کم کرنا
- انکوڈر پرتوں سے براہ راست مماثل ڈیکوڈر پرتوں تک عمدہ مقامی تفصیل منتقل کرنے کے لیے
- تصویر کو گرے اسکیل میں تبدیل کرنے کے لیے
- تربیت کو مکمل طور پر چھوڑنا
- U-Net اصل میں کس لیے ڈیزائن کیا گیا تھا؟
- تقریر کی پہچان
- اسٹاک کی قیمت کی پیشن گوئی
- بائیو میڈیکل امیج سیگمنٹیشن
- متن کا ترجمہ
- Stable Diffusion میں، U-Net ہر قدم پر کیا پیشین گوئی کرتا ہے؟
- تصویر کا آخری کیپشن
- کمپریشن کا تناسب
- کیمرے کا زاویہ
- شور اویکت سے دور کرنے کا شور
- مقامی معلومات کا کیا ہوتا ہے کیونکہ انکوڈر کے نمونے نیچے آتے ہیں؟
- یہ 'کیا موجود ہے' کو خلاصہ کرتا ہے لیکن 'کہاں' کی تفصیل کھو دیتا ہے۔
- یہ عین مطابق پکسل کے مقامات حاصل کرتا ہے۔
- یہ تصویر کو متن میں تبدیل کرتا ہے۔
- یہ قرارداد کو دوگنا کرتا ہے۔
- Which augmentation did the original U-Net paper use to learn invariance from limited annotated biomedical images?
- Replacing every image with a random label
- Elastic deformations of the training images
- Training only on unmodified test images
- Removing the decoder path before training
- How did the original U-Net paper process large images beyond the network’s input size?
- By discarding all image borders
- By resizing every image to one pixel
- By predicting on overlapping tiles and extrapolating context at tile borders
- By running the model once on a text prompt
- What did the original U-Net paper’s weighted loss emphasize?
- Only background pixels, regardless of distance
- The most common image color
- Noise prediction at a diffusion timestep
- Border pixels between touching cells to help separate adjacent objects