Útmutatóhoz kapcsolódó kvíz · Kemény Szint
DETR transzformátor-észlelési kvíz
Test DETR object queries, Hungarian matching, no-object targets, classification and box losses, and the reason its set-based detector avoids NMS.
kérdés 1 -ból 8
Mit távolít el a DETR a hagyományos detektorokhoz, például a Faster R-CNN-hez képest?
Tekintse meg az összes kérdést8 kérdéseket
A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.
- Mit távolít el a DETR a hagyományos detektorokhoz, például a Faster R-CNN-hez képest?
- Kézzel tervezett alkatrészek, például horgonydobozok és nem maximális elnyomás
- A CNN gerincét teljesen
- Bármilyen edzési adat szükségessége
- Határolódobozok kimeneti formátumként
- Melyik algoritmust használja a DETR az előrejelzések és az alap-igazság objektumok párosítására a képzés során?
- k-klaszterezést jelent
- Gradiens növelés
- A magyar (kétoldalú) illesztési algoritmus
- Sugárkeresés
- Mik azok a DETR „objektumlekérdezései”?
- A felhasználó által beírt szöveges promptok
- Fix méretű horgonydobozok
- A képből vett pixelek
- A betanult beágyazások rögzített készletét a dekóder érzékeléssé alakítja
- Milyen általános architektúrát kombinál a DETR?
- Egy ismétlődő hálózat és egy döntési fa
- Egy CNN gerinc és egy transzformátor kódoló-dekódoló
- Egy tiszta GAN
- Egy k-legközelebbi szomszéd osztályozó
- 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
- Melyik volt az eredeti DETR ismert gyengesége?
- Lassú képzési konvergencia és gyengébb kis objektum észlelés
- Nem tudott GPU-n futni
- Nem igényelt címkézett adatokat
- Csak szürkeárnyalatos képeken működött
- 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
- 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