Computer-Vision-Quiz

Während Sie am Quiz teilnehmen, werden Antworten und Erklärungen angezeigt.

1. Wie unterscheidet sich die Objekterkennung von der Bildklassifizierung?
   • Bei der Klassifizierung wird jedes Objekt anhand eines Kästchens lokalisiert, während bei der Erkennung dem gesamten Bild eine Beschriftung zugewiesen wird
   • Sowohl die Klassifizierung als auch die Erkennung geben eine Bezeichnung für das gesamte Bild zurück
   • Die Erkennung findet Objektpositionen mit Beschriftungen, während die Klassifizierung eine Beschriftung auf Bildebene zuweist
   • Die Klassifizierung beschriftet Pixel, während die Erkennung Regionen ohne Standorte beschriftet
2. Was erzeugt die Bildsegmentierung?
   • Eine Beschriftung für das gesamte Bild
   • Eine Reihe von Begrenzungsrahmen um Objektinstanzen
   • Beschriftungen, die Pixeln oder Regionen zugewiesen sind
   • Klassennoten ohne räumliche Aufgaben
3. Was kann ein Klassifikator falsch machen, selbst wenn seine Bildbezeichnung zuverlässig erscheint?
   • Möglicherweise basiert es eher auf einer Hintergrundverknüpfung als auf dem beabsichtigten Objekt
   • Es lokalisiert immer jede Objektgrenze
   • Es überprüft notwendigerweise alle relevanten Bedingungen
   • Es beweist, dass der Tatort sicher ist
4. Warum sollten zusammengehörige Bilder derselben Szene oder Aufnahme in einer Datenaufteilung zusammengehalten werden?
   • Um Bildbeschriftungen über Trainings- und Testsätze hinweg auszugleichen
   • Um zu verhindern, dass nahezu doppelte Szeneninformationen in beiden Partitionen angezeigt werden
   • Um jedes Bild aus jeder Kategorie in den Testsatz zu platzieren
   • Um die visuelle Vielfalt in den Trainingsbeispielen zu erhöhen
5. Wie kann sich das Zuschneiden auf ein Bildmodell auswirken?
   • Es kann kleine Objekte oder nützlichen Kontext vor der Schlussfolgerung entfernen
   • Es bewahrt jedes kleine Detail nach der Komprimierung
   • Inhalte außerhalb des zugeschnittenen Bereichs werden automatisch rekonstruiert
   • Es wandelt einen Bildklassifikator in ein Segmentierungsmodell um
6. Welche Bewertung spiegelt am besten wider, wie ein Visionsmodell verwendet wird?
   • Nur saubere Studiobilder aus dem Training
   • Realistische Kamera, Beleuchtung, Auflösung, Blickwinkel und Umgebungsbedingungen
   • Nur Bilder von einem bekannten Ort
   • Es wird nur die Konfidenz des Modells bewertet
7. Warum sollte ein Visionsteam vor der Bereitstellung die Kosten verschiedener Fehler berücksichtigen?
   • Fehlalarme und übersehene Objekte haben in jeder Anwendung die gleichen Konsequenzen
   • Der Konfidenzwert des Modells berücksichtigt bereits alle Betriebskosten
   • Fehlerkosten spielen nur beim Training eine Rolle, nicht bei der Nutzung des Systems
   • Unterschiedliche Fehler können in der vorgesehenen Anwendung unterschiedliche Folgen haben
8. Beweist eine sichere visuelle Kennzeichnung, dass eine Szene sicher ist?
   • NEIN; Vertrauen ist ein Modellwert, während Sicherheit vom Kontext, Fehlerfolgen und geeigneten Kontrollen abhängt
   • Ja; Ein ausreichend hoher Konfidenzwert gewährleistet eine sichere Verwendung in jeder Umgebung
   • Ja; Die hohe Genauigkeit auf Bildebene beweist, dass jede einzelne Vorhersage sicher ist
   • Nur wenn das Modell Pixel beschriftet, anstatt Kategorien auf Bildebene zuzuweisen