Gids-gekoppelde quiz · Moeilijk Niveau
DETR Transformatordetectiequiz
Test DETR-objectquery's, Hongaarse matching, doelen zonder object, classificatie en box-verliezen, en de reden waarom de op sets gebaseerde detector NMS vermijdt.
Vraag 1 van 8
Wat verwijdert DETR vergeleken met traditionele detectoren zoals Faster R-CNN?
Bekijk elke vraag8 vragen
Antwoorden en uitleg verschijnen terwijl je de quiz doet.
- Wat verwijdert DETR vergeleken met traditionele detectoren zoals Faster R-CNN?
- Met de hand ontworpen componenten zoals ankerdozen en niet-maximale onderdrukking
- De CNN-backbone volledig
- De behoefte aan trainingsgegevens
- Grenzen als uitvoerformaat
- Welk algoritme gebruikt DETR om tijdens de training voorspellingen te matchen met ground-truth-objecten?
- k-betekent clustering
- Verloopversterking
- Het Hongaarse (bipartiete) matchingalgoritme
- Straal zoeken
- Wat zijn de 'objectquery's' van DETR?
- Tekstprompts getypt door de gebruiker
- Ankerdozen met vaste afmetingen
- Pixels gesampled uit de afbeelding
- Een vaste set aangeleerde inbeddingen die de decoder omzet in detecties
- Welke algemene architectuur combineert DETR?
- Een terugkerend netwerk plus een beslisboom
- Een CNN-backbone plus een transformator-encoder-decoder
- Een pure GAN
- Een k-dichtstbijzijnde buurclassificator
- 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
- Wat was een bekende zwakte van de oorspronkelijke DETR?
- Langzame trainingsconvergentie en zwakkere detectie van kleine objecten
- Het kon niet op GPU's draaien
- Er waren geen gelabelde gegevens voor nodig
- Het werkte alleen op grijswaardenafbeeldingen
- 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