가이드 연계 퀴즈 · 중간 레벨

지역 기반 CNN 퀴즈

테스트 영역 제안, 공유 컨벌루션 기능, RoI 작업, 마스크 및 2단계 감지기의 정확도-속도 균형.

관련 가이드 경로지역 기반 CNN
질문 1 의 8

지역 기반 CNN의 핵심 아이디어는 무엇입니까?

모든 질문 미리보기8 질문

퀴즈를 풀면 정답과 설명이 나타납니다.

  1. 지역 기반 CNN의 핵심 아이디어는 무엇입니까?
    • 후보 지역을 제안한 후 각 지역의 개체를 분류하고 상자에 넣습니다.
    • 전체 이미지에 대한 단일 라벨 생성
    • 처리하기 전에 이미지를 압축하세요
    • 먼저 이미지를 회색조로 변환하세요.
  2. Why was the original R-CNN computationally expensive?
    • It trained without image pixels
    • It ran a CNN separately on each proposed region
    • It required one human label per test image
    • It computed only one shared feature map
  3. Faster R-CNN은 선택적 검색을 대체하기 위해 무엇을 도입했습니까?
    • 더 큰 CNN 백본
    • 그레이스케일 변환 단계
    • 지역 제안 네트워크(RPN)
    • 순환 신경망
  4. RoI 풀링은 무엇을 달성합니까?
    • 점수가 낮은 지역을 삭제합니다.
    • 이미지 해상도를 높여줍니다.
    • 모든 지역을 하나로 병합합니다.
    • 각 지역의 공유 기능 맵에서 기능을 자르고 크기를 조정합니다.
  5. Mask R-CNN은 어떤 추가 기능을 추가합니까?
    • 감지된 각 객체에 대한 픽셀 수준 분할 마스크
    • 오디오 전사
    • 텍스트 번역
    • 단일 픽셀의 3D 깊이
  6. What training objective does Mask R-CNN use for its classification, box, and mask branches?
    • Only a pixelwise mask loss with no classification
    • A multi-task loss that combines classification, bounding-box regression, and mask losses
    • A language-model next-token loss
    • A region-proposal loss with no object classification
  7. What alignment problem does RoIAlign address compared with RoI pooling?
    • It replaces the Region Proposal Network with Selective Search
    • It removes all need for a shared feature map
    • It avoids the coordinate quantization that can misalign extracted region features
    • It predicts a class label before processing the image
  8. How should two-stage and single-stage detector speed/accuracy be compared?
    • Two-stage models are always more accurate and faster
    • Single-stage models cannot detect multiple objects
    • The architectures have identical pipelines
    • Using a specified benchmark and implementation, because the tradeoff is not universal