Cuestionario vinculado a una guía · Medio Nivel

Prueba de seguimiento de objetos múltiples

Descubra cómo los métodos de seguimiento por detección asocian detecciones de objetos entre fotogramas mientras gestionan la identidad y la oclusión.

Rutas de guía relacionadasSeguimiento de múltiples objetos
Pregunta 1 de 8

¿Cuál es el objetivo principal del seguimiento de múltiples objetos?

Vista previa de cada pregunta8 preguntas

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

  1. ¿Cuál es el objetivo principal del seguimiento de múltiples objetos?
    • Seguir múltiples objetos a través de fotogramas manteniendo una identidad consistente para cada uno
    • Para clasificar una sola imagen
    • Para comprimir un vídeo
    • Para generar nuevos marcos
  2. ¿Qué implica el paradigma del 'seguimiento por detección'?
    • Seguimiento sin ningún detector
    • Detectar objetos en cada cuadro y luego vincular esas detecciones entre cuadros
    • Solo usando señales de audio
    • Seguimiento dibujando cuadros manualmente
  3. ¿Qué papel juega el filtro de Kalman en rastreadores como SORT?
    • Comprime imágenes
    • Detecta nuevos objetos desde cero.
    • Predice dónde se moverá cada objeto rastreado a continuación
    • Agrega color a los marcos.
  4. ¿Qué añadió DeepSORT además de SORT?
    • Un tamaño de imagen más grande
    • Seguimiento de audio
    • Subtítulos automáticos
    • Una incrustación de apariencia aprendida para reidentificar objetos después de la oclusión.
  5. ¿Qué es un 'cambio de identidad' en el seguimiento de múltiples objetos?
    • Cuando el rastreador intercambia las identificaciones de dos objetos, a menudo cuando se cruzan
    • Cambiar la resolución del vídeo
    • Apagar la cámara
    • Cambiar el nombre del archivo de vídeo
  6. ¿Cómo mejoró ByteTrack la precisión del seguimiento?
    • Ignorando todas las detecciones
    • Asociando también detecciones de baja confianza en lugar de descartarlas
    • Quitando el detector
    • Usando solo un marco
  7. What does HOTA aim to balance in multi-object tracking evaluation?
    • Image resolution and model size
    • Training speed and GPU memory
    • Detection accuracy and association accuracy
    • Object color and camera frame rate
  8. How does SORT assign detections to predicted tracks?
    • It uses a language model to name each object
    • It matches only by color histograms
    • It trains a new detector for each frame
    • It solves a frame-level assignment problem using IoU-based costs and the Hungarian algorithm