引导式测验 · 中等 等级
U-Net 架构测验
测试 U-Net 编码器-解码器对称性、跳跃连接、生物医学分割、扩散噪声预测和替代方案。
问题 1 的 8
是什么让 U-Net 呈现出“U”形？
预览每个问题8 问题
当您参加测验时，就会出现答案和解释。
- 是什么让 U-Net 呈现出“U”形？
- 下采样的编码器和上采样的对称解码器
- 单个直接卷积堆栈
- 两个没有连接的并行网络
- 时间步长的循环
- U-Net 的跳跃连接的目的是什么？
- 将参数数量减少到零
- 将精细的空间细节从编码器层直接传递到匹配的解码器层
- 将图像转换为灰度
- 完全跳过训练
- U-Net 最初设计的目的是什么？
- 语音识别
- 股价预测
- 生物医学图像分割
- 文字翻译
- 在稳定扩散中，U-Net 在每一步预测什么？
- 图像的最终标题
- 压缩比
- 相机角度
- 从潜在的噪音中去除噪音
- 当编码器下采样时，空间信息会发生什么变化？
- 它抽象了存在的“什么”，但丢失了精确的“位置”细节
- 它获得精确的像素位置
- 它将图像转换为文本
- 分辨率加倍
- 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