Kvíz spojený s průvodcem · Střední úroveň

Kvíz o sledování více objektů

Zjistěte, jak metody sledování podle detekce spojují detekce objektů napříč snímky při správě identity a okluze.

Související vodicí cestySledování více objektů
Otázka 1 z 8

Co je hlavním cílem sledování více objektů?

Náhled každé otázky8 otázky

Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.

  1. Co je hlavním cílem sledování více objektů?
    • Sledování více objektů napříč snímky při zachování konzistentní identity pro každý z nich
    • Chcete-li klasifikovat jeden obrázek
    • Chcete-li komprimovat video
    • Pro generování nových snímků
  2. Co zahrnuje paradigma „sledování podle detekce“?
    • Sledování bez jakéhokoli detektoru
    • Detekce objektů v každém snímku a následné propojení těchto detekcí mezi snímky
    • Pouze pomocí zvukových signálů
    • Sledování pomocí ručního kreslení polí
  3. Jakou roli hraje Kalmanův filtr v trackerech, jako je SORT?
    • Komprimuje obrázky
    • Detekuje nové objekty od začátku
    • Předpovídá, kam se každý sledovaný objekt bude dále pohybovat
    • Dodává rámům barvu
  4. Co přidal DeepSORT k SORT?
    • Větší velikost obrázku
    • Sledování zvuku
    • Automatické titulky
    • Učené vložení vzhledu pro opětovnou identifikaci objektů po okluzi
  5. Co je to „přepínač identity“ při sledování více objektů?
    • Když tracker vymění ID dvou objektů, často když se kříží
    • Změna rozlišení videa
    • Vypínání fotoaparátu
    • Přejmenování video souboru
  6. Jak ByteTrack zlepšil přesnost sledování?
    • Ignorováním všech detekcí
    • Tím, že také přidruží detekce s nízkou spolehlivostí namísto jejich zahození
    • Odstraněním detektoru
    • Použitím pouze jednoho rámu
  7. What does HOTA aim to balance in multi-object tracking evaluation?
    • Image resolution and model size
    • Training speed and GPU memory
    • Detection accuracy and association accuracy
    • Object color and camera frame rate
  8. How does SORT assign detections to predicted tracks?
    • It uses a language model to name each object
    • It matches only by color histograms
    • It trains a new detector for each frame
    • It solves a frame-level assignment problem using IoU-based costs and the Hungarian algorithm