Quiz połączony z przewodnikiem · Ciężko Poziom

Quiz dotyczący segmentacji panoptycznej

Przejrzyj segmentację panoptyczną pod kątem rzeczy i rzeczy, identyfikatorów instancji i jakości panoptycznej; dowiedz się, w jaki sposób jego dwa składniki metryczne ujawniają różne błędy.

Powiązane ścieżki prowadząceSegmentacja panoptyczna
Pytanie 1 z 8

Co segmentacja panoptyczna przypisuje każdemu pikselowi obrazu?

Podgląd każdego pytania8 pytania

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

  1. Co segmentacja panoptyczna przypisuje każdemu pikselowi obrazu?
    • Etykieta kategorii oraz identyfikator instancji dla policzalnych obiektów
    • Tylko wartość głębokości
    • Pojedyncza ramka ograniczająca
    • Poziom rozmycia
  2. W terminologii panoptycznej, czym są klasy „rzeczy”?
    • Policzalne obiekty, takie jak samochody i ludzie
    • Regiony amorficzne, takie jak niebo, droga lub trawa
    • Etykiety tekstowe na obrazku
    • Metadane aparatu
  3. Jakie jest główne ograniczenie segmentacji semantycznej, które pokonuje segmentacja panoptyczna?
    • Nie może oznaczyć nieba
    • Działa tylko na wideo
    • Nie potrafi rozróżnić poszczególnych instancji tej samej kategorii
    • Ignoruje całe tło
  4. Który wskaźnik jest używany do oceny jakości segmentacji panoptycznej?
    • Klatki na sekundę
    • Stopień kompresji
    • Dokładność kolorów
    • Jakość panoptyczna (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. Która nowoczesna architektura obsługuje zarówno rzeczy, jak i inne rzeczy w jednym ujednoliconym modelu opartym na zapytaniach?
    • JPG
    • Maska2Była
    • Tylko ResNet-18
    • Filtr oparty na regułach
  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