Rehber bağlantılı sınav · Sert Seviye

Panoptik Segmentasyon Testi

Nesneler ve öğeler, örnek kimlikleri ve Panoptik Kalite için panoptik segmentasyonu inceleyin; iki metrik bileşeninin farklı hataları nasıl ortaya çıkardığını öğrenin.

İlgili kılavuz yollarıPanoptik Segmentasyon
Soru 1 arasında 8

Panoptik segmentasyon bir görüntüdeki her piksele ne atar?

Her soruyu önizleyin8 sorular

Testi çözdüğünüzde cevaplar ve açıklamalar görünür.

  1. Panoptik segmentasyon bir görüntüdeki her piksele ne atar?
    • Bir kategori etiketi ve sayılabilir nesneler için bir örnek kimliği
    • Yalnızca derinlik değeri
    • Tek bir sınırlayıcı kutu
    • Bulanıklık seviyesi
  2. Panoptik terminolojide 'şey' sınıfları nelerdir?
    • Arabalar ve insanlar gibi sayılabilir nesneler
    • Gökyüzü, yol veya çimen gibi amorf bölgeler
    • Resimdeki metin etiketleri
    • Kamera meta verileri
  3. Panoptik bölümlemenin üstesinden geldiği anlamsal bölümlemenin ana sınırlaması nedir?
    • Gökyüzünü etiketleyemez
    • Yalnızca videoda çalışır
    • Aynı kategorideki bireysel örnekleri ayırt edemez
    • Tüm arka planı yok sayar
  4. Panoptik segmentasyon kalitesini değerlendirmek için hangi metrik kullanılır?
    • Saniye başına kare sayısı
    • Sıkıştırma oranı
    • Renk doğruluğu
    • Panoptik Kalite (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. Hangi modern mimari hem nesneleri hem de nesneleri tek bir birleşik, sorgu tabanlı modelde ele alır?
    • JPEG
    • Mask2Eski
    • ResNet-18 tek başına
    • Kural tabanlı bir filtre
  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