Kuis terkait panduan · Keras Tingkat

Kuis Segmentasi Panoptik

Tinjau segmentasi panoptik untuk berbagai hal, ID instans dan Kualitas Panoptik; pelajari bagaimana kedua komponen metriknya mengungkapkan kesalahan yang berbeda.

Jalur panduan terkaitSegmentasi Panoptik
Pertanyaan 1 dari 8

Apa yang diberikan segmentasi panoptik pada setiap piksel dalam suatu gambar?

Pratinjau setiap pertanyaan8 pertanyaan

Jawaban dan penjelasan muncul saat Anda mengikuti kuis.

  1. Apa yang diberikan segmentasi panoptik pada setiap piksel dalam suatu gambar?
    • Label kategori, ditambah ID instans untuk objek yang dapat dihitung
    • Hanya nilai kedalaman
    • Sebuah kotak pembatas tunggal
    • Tingkat kabur
  2. Dalam terminologi panoptik, apa yang dimaksud dengan kelas 'barang'?
    • Benda yang dapat dihitung seperti mobil dan manusia
    • Daerah amorf seperti langit, jalan, atau rumput
    • Label teks pada gambar
    • Metadata kamera
  3. Apa batasan utama segmentasi semantik yang dapat diatasi oleh segmentasi panoptik?
    • Ia tidak bisa memberi label pada langit
    • Ini hanya berfungsi di video
    • Itu tidak dapat membedakan contoh individu dari kategori yang sama
    • Itu mengabaikan semua latar belakang
  4. Metrik manakah yang digunakan untuk mengevaluasi kualitas segmentasi panoptik?
    • Bingkai per detik
    • Rasio kompresi
    • Akurasi warna
    • Kualitas Panoptik (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. Arsitektur modern manakah yang menangani berbagai hal dalam satu model terpadu berbasis kueri?
    • jpeg
    • Masker2Mantan
    • ResNet-18 saja
    • Filter berbasis aturan
  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