Kvíz spojený s průvodcem · Těžko úroveň

Panoptic segmentační kvíz

Zkontrolujte panoptickou segmentaci věcí a věcí, ID instancí a panoptickou kvalitu; zjistěte, jak jeho dvě metrické složky odhalují různé chyby.

Související vodicí cestyPanoptická segmentace
Otázka 1 z 8

Co přiřazuje panoptická segmentace každému pixelu v obrázku?

Náhled každé otázky8 otázky

Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.

  1. Co přiřazuje panoptická segmentace každému pixelu v obrázku?
    • Označení kategorie plus ID instance pro počitatelné objekty
    • Pouze hodnota hloubky
    • Jediný ohraničující rámeček
    • Úroveň rozmazání
  2. V panoptické terminologii, co jsou „třídy“?
    • Počitatelné předměty, jako jsou auta a lidé
    • Amorfní oblasti jako obloha, silnice nebo tráva
    • Textové popisky na obrázku
    • Metadata fotoaparátu
  3. Jaké je hlavní omezení sémantické segmentace, které panoptická segmentace překonává?
    • Nemůže označit nebe
    • Funguje pouze na videu
    • Nedokáže rozlišit jednotlivé instance stejné kategorie
    • Ignoruje veškeré pozadí
  4. Která metrika se používá k hodnocení kvality panoptické segmentace?
    • Počet snímků za sekundu
    • Kompresní poměr
    • Přesnost barev
    • Panoptická kvalita (PQ)
  5. What does segmentation quality (SQ) measure within Panoptic Quality?
    • The average IoU of matched predicted and ground-truth segments
    • The number of images in the dataset
    • The speed of inference
    • The fraction of classes that are things
  6. Která moderní architektura zvládá jak věci, tak věci v jednom jednotném modelu založeném na dotazech?
    • JPEG
    • Mask2Former
    • ResNet-18 sám
    • Filtr založený na pravidlech
  7. How is Panoptic Quality (PQ) decomposed in the original formulation?
    • As image resolution multiplied by object count
    • As precision plus recall only
    • As segmentation quality multiplied by recognition quality
    • As frame rate divided by latency
  8. Why can a single PQ score conceal useful diagnostic information?
    • PQ measures only image brightness
    • PQ excludes stuff classes
    • PQ is not computed from predictions
    • Segmentation and recognition errors can contribute differently to the aggregate