ওপেন-ভোকাবুলারি অবজেক্ট ডিটেকশন কুইজ

আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।

1. ওপেন-ভোকাবুলারি অবজেক্ট ডিটেকশনের সংজ্ঞায়িত ক্ষমতা কী?
   • প্রশিক্ষণের সময় বক্সের সাথে দেখা শুধুমাত্র বিভাগগুলি সনাক্ত করা
   • অন্য সব ডিটেক্টরের চেয়ে দ্রুত চলছে
   • অদেখা বিভাগ সহ নির্বিচারে পাঠ্য দ্বারা বর্ণিত বস্তু সনাক্ত করা
   • শুধুমাত্র গ্রেস্কেল ইমেজ কাজ
2. In a common embedding-based open-vocabulary detector, how are candidate regions matched to user-supplied labels?
   • By using only the region's average brightness
   • By comparing visual-region features with text embeddings in a compatible representation space
   • By choosing labels alphabetically without visual features
   • By restricting every model to the original COCO class list
3. কোন প্রিট্রেইনিং রিসোর্স ওপেন-ভোকাবুলারি ডিটেকশনকে সবচেয়ে বেশি সক্ষম করে?
   • বড় আকারের চিত্র-পাঠ্য জোড়া একটি দৃষ্টি-ভাষা স্থান শিখতে ব্যবহৃত হয়
   • নিখুঁতভাবে লেবেলযুক্ত বাক্সগুলির একটি ছোট সেট
   • অডিও রেকর্ডিং
   • হাতে লেখা ডিজিট ডেটাসেট
4. What replaces fixed per-class classifier weights in a common embedding-based open-vocabulary design?
   • The camera's physical image sensor
   • The bounding-box coordinate system
   • All visual features with random file identifiers
   • Representations of the supplied text labels used for similarity-based classification
5. এর মধ্যে কোনটি ওপেন-ভোকাবুলারি বা গ্রাউন্ডিং ডিটেকশন মডেলের উদাহরণ?
   • ResNet-50 একা
   • গ্রাউন্ডিং DINO
   • একটি প্লেইন কে- মানে ক্লাস্টারিং স্ক্রিপ্ট
   • একটি স্প্রেডশীট ম্যাক্রো
6. What does an open-vocabulary detector's ability to use a new text category imply?
   • It guarantees accurate detection of every nameable object
   • The category must have been absent from every pretraining image and caption
   • It can attempt localization through learned vision-language associations, with accuracy requiring evaluation
   • It needs no visual features or bounding-box output
7. What output distinguishes text-conditioned object detection from simply saying that an image contains a named category?
   • Only a whole-image tag with no object location
   • Only the text prompt's word count
   • Only the image's dimensions and filename
   • Locations such as bounding boxes for the matching objects
8. Before using open-vocabulary predictions to auto-label a new domain, what should a dataset team check?
   • The boxes and labels under representative prompts, thresholds, and domain conditions
   • Assume text-conditioned predictions are automatically ground truth
   • Verify only that the label strings contain no spelling errors
   • Discard all visual inspection because image-text pretraining guarantees accuracy