แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ยาก ระดับ
แบบทดสอบการตรวจจับหม้อแปลง DETR
ทดสอบคิวออบเจ็กต์ของ DETR, การจับคู่แบบฮังการี, เป้าหมายที่ไม่มีออบเจ็กต์, การจำแนกประเภทและสูญเสียกล่อง และเหตุผลที่ตัวตรวจจับแบบเซ็ตของมันหลีกเลี่ยง NMS
คำถาม 1 ของ 8
DETR กำจัดอะไรได้บ้างเมื่อเปรียบเทียบกับเครื่องตรวจจับแบบดั้งเดิมอย่าง Faster R-CNN
ดูตัวอย่างทุกคำถาม8 คำถาม
คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ
- DETR กำจัดอะไรได้บ้างเมื่อเปรียบเทียบกับเครื่องตรวจจับแบบดั้งเดิมอย่าง Faster R-CNN
- ส่วนประกอบที่ออกแบบด้วยมือ เช่น กล่องพุกและการปราบปรามที่ไม่สูงสุด
- กระดูกสันหลังของ CNN ทั้งหมด
- ความต้องการข้อมูลการฝึกอบรมใดๆ
- การผูกกล่องเป็นรูปแบบเอาต์พุต
- DETR ใช้อัลกอริธึมใดเพื่อจับคู่การทำนายกับวัตถุจริงในระหว่างการฝึก
- การจัดกลุ่มแบบเคมีน
- การเร่งการไล่ระดับสี
- อัลกอริธึมการจับคู่ฮังการี (ทวิภาคี)
- ค้นหาบีม
- 'แบบสอบถามวัตถุ' ของ DETR คืออะไร
- ข้อความแจ้งที่พิมพ์โดยผู้ใช้
- กล่องสมอที่มีขนาดคงที่
- พิกเซลตัวอย่างจากภาพ
- ชุดการเรียนรู้แบบฝังคงที่ซึ่งตัวถอดรหัสจะกลายเป็นการตรวจจับ
- DETR รวมสถาปัตยกรรมโดยรวมอะไรบ้าง
- เครือข่ายที่เกิดซ้ำพร้อมแผนผังการตัดสินใจ
- แกนหลักของ CNN พร้อมด้วยตัวเข้ารหัส-ตัวถอดรหัสหม้อแปลง
- GAN บริสุทธิ์
- ตัวแยกประเภท k-neighbour-neighbour
- 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
- ข้อใดคือจุดอ่อนที่ทราบของ DETR ดั้งเดิม
- การบรรจบกันของการฝึกที่ช้าและการตรวจจับวัตถุขนาดเล็กที่อ่อนแอลง
- ไม่สามารถทำงานบน GPU ได้
- ไม่จำเป็นต้องมีข้อมูลที่ติดป้ายกำกับ
- มันใช้งานได้กับภาพระดับสีเทาเท่านั้น
- 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