Quiz sur la vision par ordinateur

Les réponses et les explications apparaissent au fur et à mesure que vous répondez au quiz.

1. En quoi la détection d’objets diffère-t-elle de la classification d’images ?
   • La classification localise chaque objet avec une boîte, tandis que la détection attribue une étiquette à l'image entière
   • La classification et la détection renvoient toutes deux une étiquette pour l'ensemble de l'image
   • La détection trouve les emplacements des objets avec des étiquettes, tandis que la classification attribue une étiquette au niveau de l'image.
   • La classification étiquette les pixels, tandis que la détection étiquette les régions sans emplacements
2. Que produit la segmentation d’images ?
   • Une étiquette pour toute l'image
   • Un ensemble de cadres de délimitation autour des instances d'objet
   • Étiquettes attribuées aux pixels ou aux régions
   • Résultats de classe sans affectations spatiales
3. Qu'est-ce qu'un classificateur peut se tromper même lorsque son étiquette d'image semble confiante ?
   • Il peut s'appuyer sur un raccourci en arrière-plan plutôt que sur l'objet prévu
   • Il localise toujours chaque limite d'objet
   • Il vérifie nécessairement toutes les conditions pertinentes
   • Cela prouve que la scène est sûre
4. Pourquoi conserver les images associées de la même scène ou les enregistrer ensemble dans une répartition des données ?
   • Pour équilibrer les étiquettes d'image entre les ensembles de formation et de test
   • Pour éviter que des informations de scène quasi-dupliquées n'apparaissent dans les deux partitions
   • Pour placer chaque image de chaque catégorie dans l'ensemble de test
   • Pour augmenter la variation visuelle dans les exemples de formation
5. Comment le recadrage peut-il affecter un modèle d’image ?
   • Il peut supprimer de petits objets ou un contexte utile avant l'inférence
   • Il préserve chaque petit détail après compression
   • Il reconstruit automatiquement le contenu en dehors de la zone recadrée
   • Il transforme un classificateur d'images en un modèle de segmentation
6. Quelle évaluation reflète le mieux la manière dont un modèle de vision sera utilisé ?
   • Uniquement des images de studio propres issues de la formation
   • Caméra, éclairage, résolution, point de vue et conditions environnementales réalistes
   • Uniquement des images provenant d'un emplacement familier
   • Uniquement les scores de confiance du modèle
7. Pourquoi une équipe de vision devrait-elle considérer le coût des différentes erreurs avant le déploiement ?
   • Les fausses alarmes et les objets manqués ont les mêmes conséquences dans chaque application
   • Le score de confiance du modèle intègre déjà tous les coûts opérationnels
   • Les coûts d'erreur n'ont d'importance que pendant la formation, pas lorsque le système est utilisé
   • Différentes erreurs peuvent avoir des conséquences différentes dans l'application prévue
8. Une étiquette visuelle sûre prouve-t-elle qu’une scène est sûre ?
   • Non; la confiance est un score de modèle, tandis que la sécurité dépend du contexte, des conséquences des erreurs et des contrôles appropriés
   • Oui ; un score de confiance suffisamment élevé établit une utilisation sûre dans tous les contextes
   • Oui ; une forte précision au niveau de l'image prouve que chaque prédiction individuelle est sûre
   • Uniquement lorsque le modèle étiquette les pixels plutôt que d'attribuer des catégories au niveau de l'image