Quiz połączony z przewodnikiem · Ciężko Poziom

Quiz dotyczący wykrywania transformatorów DETR

Przetestuj zapytania obiektowe DETR, dopasowanie węgierskie, cele niebędące obiektami, klasyfikację i straty w skrzynkach oraz powód, dla którego jego detektor oparty na zestawach unika NMS.

Powiązane ścieżki prowadząceWykrywanie transformatora Detr
Pytanie 1 z 8

Co usuwa DETR w porównaniu z tradycyjnymi detektorami, takimi jak Faster R-CNN?

Podgląd każdego pytania8 pytania

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

  1. Co usuwa DETR w porównaniu z tradycyjnymi detektorami, takimi jak Faster R-CNN?
    • Ręcznie zaprojektowane komponenty, takie jak skrzynki kotwiące i tłumienie niemaksymalne
    • Całkowity szkielet CNN
    • Potrzeba jakichkolwiek danych treningowych
    • Ramki ograniczające jako format wyjściowy
  2. Którego algorytmu używa DETR do dopasowywania przewidywań do obiektów naziemnych podczas szkolenia?
    • k-oznacza grupowanie
    • Wzmocnienie gradientowe
    • Węgierski (dwustronny) algorytm dopasowywania
    • Wyszukiwanie wiązki
  3. Czym są „zapytania obiektowe” DETR?
    • Podpowiedzi tekstowe wpisane przez użytkownika
    • Skrzynki kotwiczne o stałych rozmiarach
    • Piksele pobrane z obrazu
    • Stały zestaw wyuczonych osadzania, który dekoder zamienia w wykrycia
  4. Jaką ogólną architekturę łączy DETR?
    • Sieć rekurencyjna plus drzewo decyzyjne
    • Szkielet CNN plus koder-dekoder transformatorowy
    • Czysty GAN
    • Klasyfikator k-najbliższego sąsiada
  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. Jaka była znana słabość oryginalnego DETR?
    • Powolna zbieżność uczenia i słabsze wykrywanie małych obiektów
    • Nie można go było uruchomić na procesorach graficznych
    • Nie wymagało to żadnych oznakowanych danych
    • Działało to tylko na obrazach w skali szarości
  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