引導式測驗 · 硬 等級
BYOL 和非對比自我監督測驗
測試 BYOL 的線上和目標分支、增強視圖、預測、移動平均更新和無標籤表示學習。
問題 1 的 8
是什麼讓 BYOL 不具對比性?
預覽每個問題8 問題
當您參加測驗時,就會出現答案和解釋。
- 是什麼讓 BYOL 不具對比性?
- 它僅使用類別標籤進行訓練
- 它無需使用負圖像對即可學習
- 它不使用影像增強
- 它將每個圖像與其他圖像進行比較
- BYOL 的兩個網路叫什麼?
- 線上和目標網絡
- 僅編碼器和分類器
- 老師和判別者
- 查詢和關鍵資料庫
- 線上網路學習預測什麼?
- 圖像的人類類別標籤
- 負對的表示
- 僅目標網路的原始像素值
- 目標網路對同一影像的另一個增強視圖的表示
- 目標網路權重如何更新?
- 通過相同損失的普通梯度下降
- 它們保持隨機並永遠凍結
- 透過緩慢移動的線上權重指數平均值
- 透過複製每個批次的分類器頭
- 為什麼 BYOL 在目標端使用線上預測器和停止梯度?
- 他們創建了一個不對稱的學習設置,有助於避免表示崩潰
- 他們添加反面例子
- 他們將任務轉化為監督分類
- 他們使目標接收相同的梯度
- BYOL 中相同影像的兩個視圖會發生什麼事?
- 他們被分配了不同的類別標籤
- 它們在兩個網路中進行編碼並用於對齊學習的表示
- 它們僅與不相關的圖像進行比較
- 增強後它們被丟棄
- BYOL 在表示預訓練期間是否需要人類類別標籤?
- 是的,每個視圖都需要一個類別標籤
- 僅標記目標分支
- 不;它是一種自監督圖像表示方法
- 它需要負對的標籤
- 對 BYOL 基準結果的公正解釋是什麼?
- 他們證明標籤從來沒有用
- 他們保證所有資料集的優越性
- 他們顯示所有非對比方法的作用都是相同的
- 他們展示了特定評估的表現,而不是每項任務的保證