Quiz collegato alla guida · Difficile Livello

Quiz sul rilevamento del trasformatore DETR

Testa le query sugli oggetti DETR, la corrispondenza ungherese, i target senza oggetto, la classificazione e le perdite di box e il motivo per cui il suo rilevatore basato su set evita NMS.

Percorsi guida correlatiRilevamento del trasformatore Detr
Domanda 1 di 8

Cosa rimuove DETR rispetto ai rilevatori tradizionali come Faster R-CNN?

Anteprima di ogni domanda8 domande

Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.

  1. Cosa rimuove DETR rispetto ai rilevatori tradizionali come Faster R-CNN?
    • Componenti progettati a mano come scatole di ancoraggio e soppressione non massima
    • Tutta la spina dorsale della CNN
    • La necessità di eventuali dati di addestramento
    • Riquadri di delimitazione come formato di output
  2. Quale algoritmo utilizza DETR per abbinare le previsioni agli oggetti reali durante l'addestramento?
    • k-significa clustering
    • Aumento del gradiente
    • L'algoritmo di corrispondenza ungherese (bipartito).
    • Ricerca del raggio
  3. Cosa sono le "query sugli oggetti" di DETR?
    • Richieste di testo digitate dall'utente
    • Scatole di ancoraggio di dimensioni fisse
    • Pixel campionati dall'immagine
    • Un insieme fisso di incorporamenti appresi che il decodificatore trasforma in rilevamenti
  4. Quale architettura complessiva combina DETR?
    • Una rete ricorrente più un albero decisionale
    • Una dorsale della CNN più un codificatore-decodificatore a trasformatore
    • Un GAN puro
    • Un classificatore k-vicino più vicino
  5. 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
  6. Qual era un punto debole noto del DETR originale?
    • Convergenza dell'addestramento lenta e rilevamento più debole di piccoli oggetti
    • Non poteva funzionare su GPU
    • Non richiedeva dati etichettati
    • Funzionava solo su immagini in scala di grigi
  7. 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
  8. 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