Викторина, связанная с руководством · Средний Уровень
Викторина по локализации слабоконтролируемых объектов
Проверьте контроль на уровне изображения, карты активации классов, дискриминационные патчи, удерживаемые поля, метрики локализации и пределы точности.
Вопрос 1 из 8
Какой тип аннотации обычно доступен в слабом обучении для локализации объектов?
Предварительный просмотр каждого вопроса8 вопросы
Ответы и пояснения появляются по мере прохождения теста.
- Какой тип аннотации обычно доступен в слабом обучении для локализации объектов?
- Точный маска пикселей для каждого изображения
- Полный прямоугольник для каждого целевого объекта
- Метка класса на уровне изображения без прямоугольника для каждого объекта
- Проверенная 3D-поза для каждого объекта
- Почему CAM может выделить только голову птицы, а не всю птицу?
- Метки изображения обеспечивают полную контурную линию
- Камера не может захватить крылья
- Глобальное усреднение пула обеспечивает маски, нарисованные человеком
- Голова может быть достаточным дискриминативным сигналом для оценки класса
- Какие доказательства нужны для оценки качества локализации?
- Только точность класса на уровне изображения
- Коробки или области, выделенные независимо, удерживаются
- Только количество обучающих изображений
- Только цветовая схема тепловой карты
- Классификатор имеет высокую точность, но его карты выделяют фон. Что дальше?
- Качество предсказания класса и локализации должно оцениваться отдельно
- Высокая точность класса подтверждает границы
- Выделение контекста не может влиять на классификацию
- Каждая тепловая карта является причинным доказательством
- Почему преобразование тепловой карты в ограничивающий прямоугольник требует осторожности?
- Метки уровня изображения уже предоставляют точные углы
- Размер коробки независим от порога
- Порог и пространственное разрешение влияют на предлагаемый охват
- Каждый выделенный пиксель принадлежит объекту
- Какая задача может потребовать более строгого контроля, чем грубый слабый контроль выделения?
- Предложение редактируемого кадра
- Помощь в проверке широкого класса подсказок
- Показ приблизительной области интереса
- Маскирование каждого видимого лица перед публикацией
- Как оригинальная настройка CAM получает пространственное выделение, специфичное для класса?
- Скопировать маску, нарисованную экспертом, в каждое изображение
- Объединить пространственные карты признаков с весами, привязанными к целевому классу
- Сравнивать только контрольные суммы файлов
- Использовать значение глубины для каждого пикселя
- Почему необходимо исключать изображения с пометкой местоположения из слабого обучения?
- Они проверяют, передаются ли грубые регионы без прямого обучения их расположению
- Метки местоположения должны обучать классификатор
- В тестовом наборе не может быть аннотаций местоположения
- Отказ от меток местоположения делает оценку невозможной