Cuestionario vinculado a una guía · duro Nivel

Prueba de detección de transformadores DETR

Pruebe consultas de objetos DETR, coincidencia húngara, objetivos sin objeto, clasificación y pérdidas de cajas, y la razón por la que su detector basado en conjuntos evita NMS.

Rutas de guía relacionadasDetección del transformador Detr
Pregunta 1 de 8

¿Qué elimina DETR en comparación con detectores tradicionales como Faster R-CNN?

Vista previa de cada pregunta8 preguntas

Las respuestas y explicaciones aparecen a medida que realiza el cuestionario.

  1. ¿Qué elimina DETR en comparación con detectores tradicionales como Faster R-CNN?
    • Componentes diseñados a mano, como cajas de anclaje y supresión no máxima.
    • La columna vertebral de CNN por completo
    • La necesidad de cualquier dato de entrenamiento.
    • Cuadros delimitadores como formato de salida
  2. ¿Qué algoritmo utiliza DETR para hacer coincidir las predicciones con los objetos reales durante el entrenamiento?
    • k-significa agrupación
    • Aumento de gradiente
    • El algoritmo de coincidencia húngaro (bipartito)
    • búsqueda de haz
  3. ¿Qué son las 'consultas de objetos' de DETR?
    • Mensajes de texto escritos por el usuario
    • Cajas de anclaje de tamaños fijos.
    • Píxeles tomados de la imagen.
    • Un conjunto fijo de incorporaciones aprendidas que el decodificador convierte en detecciones.
  4. ¿Qué arquitectura general combina DETR?
    • Una red recurrente más un árbol de decisión.
    • Una red troncal de CNN más un codificador-decodificador transformador
    • Una GAN pura
    • Un clasificador de k-vecino más cercano
  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. ¿Cuál era una debilidad conocida del DETR original?
    • Convergencia de entrenamiento lenta y detección de objetos pequeños más débil
    • No se pudo ejecutar en GPU
    • No requirió datos etiquetados
    • Sólo funcionó en imágenes en escala de grises.
  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