Kuiz berkaitan panduan · Keras Tahap

Kuiz Segmentasi Panoptik

Semak pembahagian panoptik untuk benda dan barangan, ID contoh dan Kualiti Panoptik; ketahui cara dua komponen metriknya mendedahkan ralat yang berbeza.

Laluan panduan yang berkaitanSegmentasi Panoptik
soalan 1 daripada 8

Apakah yang diberikan oleh segmentasi panoptik kepada setiap piksel dalam imej?

Pratonton setiap soalan8 soalan

Jawapan dan penjelasan muncul semasa anda mengambil kuiz.

  1. Apakah yang diberikan oleh segmentasi panoptik kepada setiap piksel dalam imej?
    • Label kategori, serta ID contoh untuk objek boleh dikira
    • Hanya nilai kedalaman
    • Satu kotak terikat
    • Tahap kabur
  2. Dalam terminologi panoptik, apakah itu kelas 'barang'?
    • Objek boleh dikira seperti kereta dan orang
    • Kawasan amorf seperti langit, jalan raya atau rumput
    • Label teks dalam imej
    • Metadata kamera
  3. Apakah had utama segmentasi semantik yang diatasi oleh segmentasi panoptik?
    • Ia tidak boleh melabel langit
    • Ia hanya berfungsi pada video
    • Ia tidak dapat membezakan kejadian individu dalam kategori yang sama
    • Ia mengabaikan semua latar belakang
  4. Metrik yang manakah digunakan untuk menilai kualiti pembahagian panoptik?
    • Bingkai sesaat
    • Nisbah mampatan
    • Ketepatan warna
    • Kualiti 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. Seni bina moden manakah yang mengendalikan kedua-dua perkara dan barangan dalam satu model berasaskan pertanyaan yang bersatu?
    • JPEG
    • Mask2Bekas
    • ResNet-18 sahaja
    • Penapis berasaskan peraturan
  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