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.
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.
- 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
- 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
- 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
- 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
- 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
- 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
- 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