Тест, свързан с ръководство · лесно Ниво

Тест за надписи на изображения

Прегледайте тръбопроводите за надписи на изображения, вниманието, анотациите на COCO и мерките за оценка, като същевременно разпознавате рисковете от халюцинации на обекти.

Свързани ръководни пътекиНадписи на изображения
Въпрос 1 на 8

Какво създава системата за надписи на изображения като изход?

Визуализирайте всеки въпрос8 въпроси

Отговорите и обясненията се появяват, докато отговаряте на теста.

  1. Какво създава системата за надписи на изображения като изход?
    • Описание на изображението на естествен език
    • Версия на изображението с по-висока разделителна способност
    • Списък само с пикселни координати
    • Компресиран файл на изображението
  2. В класическа линия за надписи каква роля играе визуалният енкодер?
    • Пише последното изречение дума по дума
    • Той извлича представяния на функции от изображението
    • Той превежда надписи между езици
    • Той оценява граматиката на надписа
  3. Защо вниманието е полезно при надписите на изображения?
    • Той компресира изображението, за да спести място за съхранение
    • Премахва необходимостта от каквито и да било данни за обучение
    • Това позволява на модела да се фокусира върху съответните области на изображението за всяка дума
    • Той преобразува надписа в аудио
  4. Кой набор от данни се използва широко за обучение и оценка на надписите на изображения?
    • MNIST
    • WikiText
    • LibriSpeech
    • MS COCO
  5. Какво означава декодерът на надписи да генерира думи „авторегресивно“?
    • Той предвижда всяка дума, използвайки изображението и генерираните до момента думи
    • Той произвежда всички думи едновременно
    • Той извежда само една дума на изображение
    • Той регресира изображението обратно до пиксели
  6. За какво се отнася често срещан режим на повреда на модели за надписи, известен като „халюцинация“?
    • Създаване на надписи, които са твърде кратки
    • Описване на обекти, които всъщност не са на изображението
    • Неправилен превод на надписи
    • Работи твърде бавно при големи изображения
  7. How many human captions were collected for each image in the original COCO Captions dataset?
    • One caption total for the entire dataset
    • No text descriptions were collected
    • Five captions per image
    • One hundred captions for every image
  8. What does CIDEr compare when evaluating an image caption?
    • Only the image’s pixel resolution
    • The caption’s audio waveform against a transcript
    • Whether the caption contains a certain number of words
    • The candidate caption against human reference captions using consensus-weighted n-grams