Kvíz spojený s průvodcem · Těžko úroveň

Testovací kvíz DETR na detekci transformátorů

Testujte dotazy na objekt DETR, maďarské shody, cíle bez objektů, klasifikaci a ztráty v krabicích a důvod, proč se jeho detektor na bázi sady vyhýbá NMS.

Související vodicí cestyDetr Transformer Detection
Otázka 1 z 8

Co odstraňuje DETR ve srovnání s tradičními detektory, jako je Faster R-CNN?

Náhled každé otázky8 otázky

Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.

  1. Co odstraňuje DETR ve srovnání s tradičními detektory, jako je Faster R-CNN?
    • Ručně navržené komponenty, jako jsou kotevní boxy a nemaximální potlačení
    • Úplně páteř CNN
    • Potřeba jakýchkoliv tréninkových dat
    • Ohraničovací rámečky jako výstupní formát
  2. Jaký algoritmus používá DETR k přiřazování předpovědí k reálným objektům během tréninku?
    • k-znamená shlukování
    • Zesílení gradientu
    • Maďarský (bipartitní) párovací algoritmus
    • Hledání paprskem
  3. Co jsou to „objektové dotazy“ DETR?
    • Textové výzvy zadané uživatelem
    • Kotevní boxy pevných rozměrů
    • Pixely odebrané z obrázku
    • Pevná sada naučených vložení, kterou dekodér přemění na detekce
  4. Jakou celkovou architekturu DETR kombinuje?
    • Opakující se síť plus rozhodovací strom
    • Páteř CNN plus kodér-dekodér transformátoru
    • Čistý GAN
    • Klasifikátor k-nearest-neighbor
  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. Jaká byla známá slabina původního DETR?
    • Pomalá tréninková konvergence a slabší detekce malých objektů
    • Nešlo to spustit na GPU
    • Nevyžadovalo to žádné označené údaje
    • Fungovalo to pouze na obrázcích ve stupních šedi
  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