Тест, свързан с ръководство · трудно Ниво

Тест за откриване на трансформатор DETR

Тествайте обектни заявки DETR, унгарско съпоставяне, цели без обекти, класификация и загуби на кутии и причината неговият базиран на набор детектор избягва NMS.

Свързани ръководни пътекиОткриване на Detr трансформатор
Въпрос 1 на 8

Какво премахва DETR в сравнение с традиционните детектори като Faster R-CNN?

Визуализирайте всеки въпрос8 въпроси

Отговорите и обясненията се появяват, докато отговаряте на теста.

  1. Какво премахва DETR в сравнение с традиционните детектори като Faster R-CNN?
    • Ръчно проектирани компоненти като анкерни кутии и не-максимално потискане
    • Изцяло гръбнакът на CNN
    • Необходимостта от всякакви данни за обучение
    • Ограничаващи полета като изходен формат
  2. Кой алгоритъм използва DETR, за да съпостави прогнозите с наземни обекти по време на обучение?
    • k-означава групиране
    • Градиентно усилване
    • Унгарският (двустранен) алгоритъм за съвпадение
    • Търсене по лъч
  3. Какво представляват „обектните заявки“ на DETR?
    • Текстови подкани, въведени от потребителя
    • Анкерни кутии с фиксирани размери
    • Пиксели, взети от изображението
    • Фиксиран набор от научени вграждания, които декодерът превръща в откривания
  4. Каква цялостна архитектура съчетава DETR?
    • Повтаряща се мрежа плюс дърво на решенията
    • Гръбнак на CNN плюс трансформатор енкодер-декодер
    • Чист GAN
    • Класификатор на k-най-близкия съсед
  5. How does DETR's training objective support inference without a separate NMS stage?
    • They make every possible duplicate prediction mathematically impossible
    • The model can only output one object per image
    • One-to-one matching and set losses discourage multiple predictions for the same object
    • A hidden NMS classifier supplies every training target
  6. Коя беше известна слабост на оригиналния DETR?
    • Бавна тренировъчна конвергенция и по-слабо откриване на малки обекти
    • Не можеше да работи на графични процесори
    • Не изискваше етикетирани данни
    • Работеше само върху изображения в сива скала
  7. What training label does original DETR assign to an object query that is not matched to a ground-truth object?
    • The largest visible object's class regardless of matching
    • The no-object class
    • A mandatory new ground-truth object invented for the query
    • The image's filename as a class label
  8. Which prediction errors does DETR's set loss penalize on matched object pairs?
    • Only the number of letters in the class name
    • Only the image's compression size
    • Only whether the training batch uses a GPU
    • Both the predicted class and bounding-box errors