Quiz lié à un guide · Difficile Niveau

Quiz sur la segmentation panoptique

Examiner la segmentation panoptique des objets et des éléments, les ID d'instance et la qualité panoptique ; découvrez comment ses deux composants métriques révèlent des erreurs différentes.

Chemins de guidage associésSegmentation panoptique
Question 1 de 8

Qu'est-ce que la segmentation panoptique attribue à chaque pixel d'une image ?

Prévisualisez chaque question8 des questions

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

  1. Qu'est-ce que la segmentation panoptique attribue à chaque pixel d'une image ?
    • Une étiquette de catégorie, plus un ID d'instance pour les objets dénombrables
    • Seulement une valeur de profondeur
    • Une seule boîte englobante
    • Un niveau de flou
  2. Dans la terminologie panoptique, que sont les classes de « trucs » ?
    • Objets dénombrables comme les voitures et les personnes
    • Régions amorphes comme le ciel, la route ou l'herbe
    • Étiquettes de texte dans l'image
    • Métadonnées de la caméra
  3. Quelle est la principale limitation de la segmentation sémantique que la segmentation panoptique surmonte ?
    • Il ne peut pas étiqueter le ciel
    • Cela ne fonctionne qu'en vidéo
    • Il ne peut pas distinguer les instances individuelles de la même catégorie
    • Il ignore tout l'arrière-plan
  4. Quelle métrique est utilisée pour évaluer la qualité de la segmentation panoptique ?
    • Images par seconde
    • Taux de compression
    • Précision des couleurs
    • Qualité panoptique (PQ)
  5. What does segmentation quality (SQ) measure within Panoptic Quality?
    • The average IoU of matched predicted and ground-truth segments
    • The number of images in the dataset
    • The speed of inference
    • The fraction of classes that are things
  6. Quelle architecture moderne gère à la fois les choses et les éléments dans un modèle unifié basé sur des requêtes ?
    • JPEG
    • Mask2Ancien
    • ResNet-18 seul
    • Un filtre basé sur des règles
  7. How is Panoptic Quality (PQ) decomposed in the original formulation?
    • As image resolution multiplied by object count
    • As precision plus recall only
    • As segmentation quality multiplied by recognition quality
    • As frame rate divided by latency
  8. Why can a single PQ score conceal useful diagnostic information?
    • PQ measures only image brightness
    • PQ excludes stuff classes
    • PQ is not computed from predictions
    • Segmentation and recognition errors can contribute differently to the aggregate