Útmutatóhoz kapcsolódó kvíz · Közepes Szint

YOLO valós idejű észlelési kvíz

Review YOLO’s single-pass detector design, grid predictions, localization tradeoffs and the limits of real-time frame rates.

Kapcsolódó útmutató utakYolo valós idejű észlelés
kérdés 1 -ból 8

Mit jelent ebben az összefüggésben a YOLO mozaikszó?

Tekintse meg az összes kérdést8 kérdéseket

A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.

  1. Mit jelent ebben az összefüggésben a YOLO mozaikszó?
    • Csak egyszer nézel
    • Csak egyszer tanulsz
    • Online objektumkereső
    • Hozamos objektum címke kimenet
  2. 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
  3. Milyen technika távolítja el a duplikált, egymást átfedő határolókereteket a YOLO kimenetében?
    • Kötegelt normalizálás
    • Lemorzsolódás
    • Nem maximális elnyomás
    • Adatbővítés
  4. Az eredeti YOLO-tervben hogyan osztják fel a bemeneti képet az előrejelzéshez?
    • Véletlenszerű termésekbe
    • Színcsatornákba
    • Egyetlen régióba
    • Egy cellarácsba
  5. Melyik mennyiséget jósolják meg az egyes rácscellák a határoló doboz koordinátái mellett?
    • Objektum megbízhatósági pontszám és osztályvalószínűség
    • A kép felbontása
    • A kamera gyújtótávolsága
    • A fájl tömörítési aránya
  6. Miért különösen népszerű a YOLO a videós és élő kamerás alkalmazásokban?
    • GPU-n nem fut
    • Egymenetes sebessége valós idejű képkockasebességet tesz lehetővé
    • Ez az egyetlen modell, amely színt használ
    • Egyáltalán nem igényel képzést
  7. 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
  8. 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