Quiz lié à un guide · Moyen Niveau
Quiz de détection en temps réel YOLO
Passez en revue la conception du détecteur à passage unique de YOLO, les prévisions de grille, les compromis de localisation et les limites des fréquences d'images en temps réel.
Question 1 de 8
Que signifie l’acronyme YOLO dans ce contexte ?
Prévisualisez chaque question8 des questions
Les réponses et les explications apparaissent au fur et à mesure que vous répondez au quiz.
- Que signifie l’acronyme YOLO dans ce contexte ?
- Vous ne regardez qu'une seule fois
- On n'apprend qu'une fois
- Votre localisateur d'objets en ligne
- Sortie d'étiquette d'objet cédée
- 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
- Quelle technique supprime les cadres de délimitation en double et qui se chevauchent dans la sortie de YOLO ?
- Normalisation par lots
- Abandon
- Suppression non maximale
- Augmentation des données
- Dans la conception YOLO originale, comment l'image d'entrée est-elle divisée pour la prédiction ?
- Dans des cultures aléatoires
- Dans les canaux de couleur
- Dans une seule région
- Dans une grille de cellules
- Quelle quantité chaque cellule de la grille prédit-elle aux côtés des coordonnées du cadre de délimitation ?
- Un score de confiance d’objectivité et des probabilités de classe
- La résolution des images
- La distance focale de la caméra
- Le taux de compression des fichiers
- Pourquoi YOLO est-il particulièrement populaire pour les applications de vidéo et de caméra en direct ?
- Il ne peut pas fonctionner sur des GPU
- Sa vitesse en un seul passage permet des fréquences d'images en temps réel
- C'est le seul modèle qui utilise la couleur
- Cela ne nécessite aucune formation
- 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
- 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