Mit dem Guide verknüpftes Quiz · Schwer Ebene

DETR-Quiz zur Transformatorerkennung

Testen Sie DETR-Objektabfragen, ungarisches Matching, No-Object-Ziele, Klassifizierung und Boxverluste sowie den Grund, warum der satzbasierte Detektor NMS vermeidet.

Verwandte FührungspfadeDetr-Transformator-Erkennung
Frage 1 von 8

Was entfernt DETR im Vergleich zu herkömmlichen Detektoren wie Faster R-CNN?

Sehen Sie sich jede Frage in der Vorschau an8 Fragen

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

  1. Was entfernt DETR im Vergleich zu herkömmlichen Detektoren wie Faster R-CNN?
    • Handgefertigte Komponenten wie Ankerkästen und nicht maximale Unterdrückung
    • Das CNN-Rückgrat vollständig
    • Die Notwendigkeit jeglicher Trainingsdaten
    • Begrenzungsrahmen als Ausgabeformat
  2. Welchen Algorithmus verwendet DETR, um während des Trainings Vorhersagen mit Ground-Truth-Objekten abzugleichen?
    • k-bedeutet Clustering
    • Gradientenverstärkung
    • Der ungarische (bipartite) Matching-Algorithmus
    • Strahlsuche
  3. Was sind die „Objektabfragen“ von DETR?
    • Vom Benutzer eingegebene Textaufforderungen
    • Ankerkästen mit festen Größen
    • Aus dem Bild entnommene Pixel
    • Der Decoder wandelt einen festen Satz gelernter Einbettungen in Erkennungen um
  4. Welche Gesamtarchitektur vereint DETR?
    • Ein wiederkehrendes Netzwerk plus ein Entscheidungsbaum
    • Ein CNN-Backbone plus ein Transformator-Encoder-Decoder
    • Ein reines GAN
    • Ein K-Nearest-Neighbor-Klassifikator
  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. Was war eine bekannte Schwäche des ursprünglichen DETR?
    • Langsame Trainingskonvergenz und schwächere Erkennung kleiner Objekte
    • Es konnte nicht auf GPUs ausgeführt werden
    • Es waren keine gekennzeichneten Daten erforderlich
    • Es funktionierte nur bei Graustufenbildern
  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