AI資格 模擬試験

G検定 模擬試験 第6回 問69・ディープラーニングの要素技術（Attention）

Swin Transformer

画像を小さな窓に分けて、窓の中で自己注意を計算し、層ごとに窓の位置をずらして情報を伝える、階層的な構造のVision Transformerとして、最も適切なものを1つ選べ。

  1. A

    Swin Transformer

  2. B

    ResNet

  3. C

    LSTM

  4. D

    Word2Vec

正解と解説を見る

正解：A

Swin Transformerは、窓の中で自己注意を行い、窓をずらして、窓の間の情報を交換する。CNNのような階層構造を持ち、物体検出などにも使われる。

8×8のパッチを4つの窓に分けた層と、窓を半分ずらした次の層を並べた図。

Swin Transformer：画像を小さな窓に分け、窓の中だけでSelf-Attention。層ごとに窓をずらして（Shifted Window）、窓の間の情報も伝える。

学習のポイント：ViTは、画像全体で自己注意を計算する。

この問題を演習で解く →

問題一覧へ

このサイトの問題は、各試験の公開されているシラバスに沿って作ったオリジナルの模擬問題です。本試験の問題ではありません。日本ディープラーニング協会（JDLA）・一般社団法人生成AI活用普及協会（GUGA）の公式サービスではありません。