Κουίζ που συνδέεται με οδηγό · Μεσαίο Επίπεδο

Κουίζ ανίχνευσης YOLO σε πραγματικό χρόνο

Εξετάστε τη σχεδίαση του ανιχνευτή μονής διέλευσης του YOLO, τις προβλέψεις πλέγματος, τις ανταλλαγές τοπικής προσαρμογής και τα όρια των ρυθμών καρέ σε πραγματικό χρόνο.

Σχετικές διαδρομές οδηγώνYolo Ανίχνευση σε πραγματικό χρόνο
Ερώτηση 1 του 8

Τι σημαίνει το ακρωνύμιο YOLO σε αυτό το πλαίσιο;

Προεπισκόπηση κάθε ερώτησης8 ερωτήσεις

Οι απαντήσεις και οι εξηγήσεις εμφανίζονται καθώς κάνετε το κουίζ.

  1. Τι σημαίνει το ακρωνύμιο YOLO σε αυτό το πλαίσιο;
    • Κοιτάς Μόνο Μια φορά
    • Μαθαίνεις Μόνο Μία φορά
    • Ο εντοπιστής αντικειμένων σας στο Διαδίκτυο
    • Έξοδος ετικέτας αντικειμένου
  2. Which cross-domain evaluation did the original YOLO paper report?
    • Transcribing speech from noisy recordings
    • Generalizing from natural images to artwork datasets
    • Classifying satellite images with no labels
    • Estimating depth from stereo video only
  3. Ποια τεχνική αφαιρεί τα διπλά, επικαλυπτόμενα πλαίσια οριοθέτησης στην έξοδο του YOLO;
    • Ομαλοποίηση παρτίδας
    • Εγκατάλειψη
    • Μη μέγιστη καταστολή
    • Αύξηση δεδομένων
  4. Στο αρχικό σχέδιο YOLO, πώς χωρίζεται η εικόνα εισόδου για πρόβλεψη;
    • Σε τυχαίες καλλιέργειες
    • Σε έγχρωμα κανάλια
    • Σε μια ενιαία περιοχή
    • Σε ένα πλέγμα κελιών
  5. Ποια ποσότητα προβλέπει κάθε κελί πλέγματος μαζί με τις συντεταγμένες του πλαισίου οριοθέτησης;
    • Μια βαθμολογία εμπιστοσύνης αντικειμενικότητας και πιθανότητες κλάσης
    • Η ανάλυση της εικόνας
    • Το εστιακό μήκος της κάμερας
    • Η αναλογία συμπίεσης αρχείων
  6. Γιατί το YOLO είναι ιδιαίτερα δημοφιλές για εφαρμογές βίντεο και ζωντανής κάμερας;
    • Δεν μπορεί να τρέξει σε GPU
    • Η ταχύτητά του με ένα πέρασμα επιτρέπει τους ρυθμούς καρέ σε πραγματικό χρόνο
    • Είναι το μόνο μοντέλο που χρησιμοποιεί χρώμα
    • Δεν απαιτεί καθόλου εκπαίδευση
  7. What accuracy tradeoff did the original YOLO paper report relative to leading detection systems?
    • It had no localization errors but missed every small object
    • It could detect only one class
    • It made more localization errors while being less likely to predict false detections where nothing existed
    • It required thousands of region-wise classifier runs
  8. Why can a real-time detector still be unsuitable for a particular deployment?
    • A real-time model cannot process images
    • Frame rate guarantees safety certification
    • A detector’s speed proves every object is found
    • Its measured speed does not establish adequate accuracy, latency or robustness for that setting