গাইড লিঙ্ক ক্যুইজ · মাঝারি স্তর

চিত্র শ্রেণীবিভাগ ব্যাখ্যা করা কুইজ

একক- এবং মাল্টি-লেবেল শ্রেণীবিভাগ, সনাক্তকরণ সীমানা, স্থানান্তর শেখার, দলবদ্ধ মূল্যায়ন, ক্রমাঙ্কন এবং অনিশ্চিত ইনপুট পরীক্ষা করুন।

প্রশ্ন 1 এর 8

একটি মডেল একটি সম্পূর্ণ ফটোকে "বাইসাইকেল" লেবেল করে। একাকী শ্রেণীবিভাগ কি অমীমাংসিত রেখে যায়?

প্রতিটি প্রশ্নের পূর্বরূপ দেখুন8 প্রশ্ন

আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।

  1. একটি মডেল একটি সম্পূর্ণ ফটোকে "বাইসাইকেল" লেবেল করে। একাকী শ্রেণীবিভাগ কি অমীমাংসিত রেখে যায়?
    • যেখানে সাইকেলটি ছবিতে রয়েছে
    • কোন লেবেলটি এর শব্দভান্ডার থেকে নির্বাচন করা হয়েছিল
    • ভবিষ্যদ্বাণী স্কোর প্রদর্শন করা যাবে কিনা
    • ক্রপের জন্য একটি ক্লাস লেবেল বরাদ্দ করা যেতে পারে কিনা
  2. একটি রাস্তার দৃশ্যে একটি বাস এবং সাইকেল রয়েছে। কোন আউটপুট সেটআপ উভয়কেই বর্তমান হিসাবে উপস্থাপন করতে পারে?
    • দৃশ্যের উপর একটি পারস্পরিক একচেটিয়া সফটম্যাক্স
    • একটি মাল্টি-লেবেল মাথা ছাড়া একটি অবস্থান বাক্স
    • শুধুমাত্র একটি প্রভাবশালী-শ্রেণীর ট্যাগ
    • স্বাধীন মাল্টি-লেবেল আউটপুট
  3. কেন একটি শ্রেণীবদ্ধকারী একটি পরিচিত শ্রেণী হিসাবে আত্মবিশ্বাসের সাথে একটি অপরিচিত বস্তুকে লেবেল করতে পারে?
    • একটি উচ্চ স্কোর একটি পরিচিত বস্তুর গ্যারান্টি দেয়
    • এর আউটপুট শেখা লেবেলগুলিতে সীমাবদ্ধ এবং "এগুলির কোনটি" প্রতিনিধিত্ব নাও করতে পারে
    • ট্রান্সফার লার্নিং স্বয়ংক্রিয়ভাবে প্রতিটি অদেখা ক্লাস যোগ করে
    • সবচেয়ে বড় স্কোর একটি অজানা-শ্রেণির আবিষ্কারক হিসাবে যাচাই করা হয়
  4. একটি দল একটি নতুন কাজের জন্য কয়েকটি লেবেলযুক্ত ফটো আছে৷ কোন স্থানান্তর-শিক্ষা পদ্ধতির নথিভুক্ত করা হয়?
    • প্রতিটি ছোট-ডেটা টাস্কের আগে আগে থেকে প্রশিক্ষিত ওজন বাদ দিন
    • ক্লাসিফায়ার ফিট না করে শুধুমাত্র প্রদর্শনের নাম পরিবর্তন করুন
    • একটি পূর্ব-প্রশিক্ষিত বৈশিষ্ট্য এক্সট্র্যাক্টর পুনরায় ব্যবহার করুন এবং একটি নতুন চূড়ান্ত শ্রেণিবিন্যাসকারীকে প্রশিক্ষণ দিন
    • শুধুমাত্র চূড়ান্ত পরীক্ষার ফটোতে টিউন করুন
  5. মূল্যায়নের সময় একই ফিজিক্যাল আইটেমের ফটোগুলিকে একটি পার্টিশনে কেন গ্রুপ করা হয়?
    • ট্রেন এবং পরীক্ষা জুড়ে নকলের কাছাকাছি স্কোর বৃদ্ধি করতে পারে
    • এটি নিশ্চিত করে যে প্রতিটি ক্লাস সমান ঘন ঘন হয়
    • এটি ক্যামেরা ক্রমাঙ্কনকে অপ্রয়োজনীয় করে তোলে
    • এটি শ্রেণীবিভাগকে উদাহরণ বিভাজনে পরিবর্তন করে
  6. একটি পণ্য খারাপ জিনিসগুলির চেয়ে ভাল আইটেমগুলিকে প্রায়শই প্রত্যাখ্যান করে। কোন রিপোর্ট এই নির্ণয় সাহায্য করে?
    • শুধুমাত্র মোট ডেটাসেট ছবির সংখ্যা
    • শুধুমাত্র স্থাপত্য স্তর গণনা
    • শুধুমাত্র সর্বোচ্চ মডেল আত্মবিশ্বাস
    • প্রতি-শ্রেণীর ত্রুটি এবং মিথ্যা-ইতিবাচক/মিথ্যা-নেতিবাচক গণনা
  7. একটি প্রদর্শিত 0.9 ক্লাস স্কোর কখন একটি ক্রমাঙ্কিত 90% সাফল্যের অনুমান হিসাবে গণ্য করা যেতে পারে?
    • যখনই একটি সফটম্যাক্স স্তর বিদ্যমান থাকে
    • ধরা-আউট ক্রমাঙ্কন প্রমাণের পরেই সেই ব্যাখ্যাকে সমর্থন করে
    • যখনই ছবির রেজুলেশন বেশি হয়
    • যখনই নেটওয়ার্কে অনেক প্যারামিটার থাকে
  8. প্রশিক্ষিত শ্রেণীগুলির মধ্যে কোনটি ফিট করে এমন একটি ইনপুট দিয়ে কী সাহায্য করে?
    • সর্বদা সম্পূর্ণ নিশ্চিততার সাথে একটি পরিচিত ক্লাস বেছে নিন
    • প্রশিক্ষণ বা বৈধতা ছাড়াই একটি নতুন প্রদর্শন লেবেল যোগ করুন
    • পরীক্ষিত মানদণ্ডের উপর ভিত্তি করে একটি বিরত থাকা বা মানব-পর্যালোচনা রুট
    • ধরে নিন প্রতিটি অপরিচিত ছবি ক্যামেরার ব্যর্থতা