Bài kiểm tra có liên kết hướng dẫn · Cứng Cấp độ

Câu đố về máy biến áp Swin

Kiểm tra sự chú ý của cửa sổ đã dịch chuyển, giao tiếp giữa các cửa sổ, các tính năng phân cấp, hợp nhất bản vá và các ứng dụng tác vụ tầm nhìn trong Swin.

Đường dẫn hướng dẫn liên quanMáy biến áp quay
Câu hỏi 1 của 8

Chữ 'Swin' trong Swin Transformer có nghĩa là gì?

Xem trước mọi câu hỏi8 câu hỏi

Câu trả lời và giải thích xuất hiện khi bạn làm bài kiểm tra.

  1. Chữ 'Swin' trong Swin Transformer có nghĩa là gì?
    • Windows đã thay đổi
    • Cửa sổ mượt mà
    • Cuộn dây không gian
    • một cửa sổ
  2. 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
  3. Swin cho phép thông tin di chuyển giữa các cửa sổ riêng biệt như thế nào?
    • Nó sử dụng các kết nối định kỳ
    • Nó xóa hoàn toàn ranh giới cửa sổ
    • Nó dịch chuyển phân vùng cửa sổ theo các lớp xen kẽ
    • Nó chỉ sử dụng một cửa sổ toàn cầu duy nhất
  4. Các lớp hợp nhất bản vá làm gì giữa các giai đoạn Swin?
    • Tăng độ phân giải và loại bỏ các kênh
    • Ngẫu nhiên thả các bản vá lỗi
    • Dịch các bản vá thành từ
    • Hợp nhất các bản vá lân cận, giảm độ phân giải và tăng kênh
  5. Tại sao đầu ra đa quy mô, phân cấp của Swin lại đặc biệt hữu ích?
    • Nó cắm gọn gàng vào các khung phát hiện và phân đoạn mong đợi các kim tự tháp tính năng
    • Nó chỉ giúp phân loại nhãn đơn
    • Nó loại bỏ sự cần thiết của dữ liệu được dán nhãn
    • Nó làm cho mô hình nhỏ hơn bất kỳ CNN nào
  6. 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
  7. 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
  8. 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