แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ยาก ระดับ

แบบทดสอบการตรวจจับหม้อแปลง DETR

ทดสอบคิวออบเจ็กต์ของ DETR, การจับคู่แบบฮังการี, เป้าหมายที่ไม่มีออบเจ็กต์, การจำแนกประเภทและสูญเสียกล่อง และเหตุผลที่ตัวตรวจจับแบบเซ็ตของมันหลีกเลี่ยง NMS

เส้นทางแนะนำที่เกี่ยวข้องการตรวจจับหม้อแปลง Detr
คำถาม 1 ของ 8

DETR กำจัดอะไรได้บ้างเมื่อเปรียบเทียบกับเครื่องตรวจจับแบบดั้งเดิมอย่าง Faster R-CNN

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  1. DETR กำจัดอะไรได้บ้างเมื่อเปรียบเทียบกับเครื่องตรวจจับแบบดั้งเดิมอย่าง Faster R-CNN
    • ส่วนประกอบที่ออกแบบด้วยมือ เช่น กล่องพุกและการปราบปรามที่ไม่สูงสุด
    • กระดูกสันหลังของ CNN ทั้งหมด
    • ความต้องการข้อมูลการฝึกอบรมใดๆ
    • การผูกกล่องเป็นรูปแบบเอาต์พุต
  2. DETR ใช้อัลกอริธึมใดเพื่อจับคู่การทำนายกับวัตถุจริงในระหว่างการฝึก
    • การจัดกลุ่มแบบเคมีน
    • การเร่งการไล่ระดับสี
    • อัลกอริธึมการจับคู่ฮังการี (ทวิภาคี)
    • ค้นหาบีม
  3. 'แบบสอบถามวัตถุ' ของ DETR คืออะไร
    • ข้อความแจ้งที่พิมพ์โดยผู้ใช้
    • กล่องสมอที่มีขนาดคงที่
    • พิกเซลตัวอย่างจากภาพ
    • ชุดการเรียนรู้แบบฝังคงที่ซึ่งตัวถอดรหัสจะกลายเป็นการตรวจจับ
  4. DETR รวมสถาปัตยกรรมโดยรวมอะไรบ้าง
    • เครือข่ายที่เกิดซ้ำพร้อมแผนผังการตัดสินใจ
    • แกนหลักของ CNN พร้อมด้วยตัวเข้ารหัส-ตัวถอดรหัสหม้อแปลง
    • GAN บริสุทธิ์
    • ตัวแยกประเภท k-neighbour-neighbour
  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. ข้อใดคือจุดอ่อนที่ทราบของ DETR ดั้งเดิม
    • การบรรจบกันของการฝึกที่ช้าและการตรวจจับวัตถุขนาดเล็กที่อ่อนแอลง
    • ไม่สามารถทำงานบน GPU ได้
    • ไม่จำเป็นต้องมีข้อมูลที่ติดป้ายกำกับ
    • มันใช้งานได้กับภาพระดับสีเทาเท่านั้น
  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