Вікторина, пов’язана з посібником · важко Рівень

Тест на виявлення трансформатора DETR

Перевірте запити об’єктів DETR, відповідність угорською мовою, цілі без об’єктів, класифікацію та втрати ящиків, а також причину, чому його детектор на основі набору уникає NMS.

Пов'язані напрямні шляхиВиявлення трансформатора Detr
Питання 1 з 8

Що видаляє DETR порівняно з традиційними детекторами, такими як Faster R-CNN?

Перегляньте кожне запитання8 запитання

Відповіді та пояснення з’являються під час виконання тесту.

  1. Що видаляє DETR порівняно з традиційними детекторами, такими як Faster R-CNN?
    • Розроблені вручну компоненти, такі як анкерні коробки та немаксимальне придушення
    • Цілком кістяк CNN
    • Необхідність будь-яких навчальних даних
    • Обмежувальні рамки як вихідний формат
  2. Який алгоритм використовує DETR для зіставлення прогнозів із наземними об’єктами під час навчання?
    • k-означає кластеризацію
    • Посилення градієнта
    • Угорський (двосторонній) алгоритм зіставлення
    • Променевий пошук
  3. Що таке "об'єктні запити" DETR?
    • Текстові підказки, які вводить користувач
    • Анкерні короби фіксованих розмірів
    • Пікселі, взяті із зображення
    • Фіксований набір вивчених впроваджень, які декодер перетворює на виявлення
  4. Яку загальну архітектуру поєднує DETR?
    • Повторювана мережа плюс дерево рішень
    • Магістраль CNN плюс кодер-декодер трансформатора
    • Чистий ГАН
    • Класифікатор k-найближчого сусіда
  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. Що було відомою слабкістю оригінального DETR?
    • Повільна навчальна конвергенція та слабше виявлення дрібних об’єктів
    • Він не міг працювати на графічних процесорах
    • Для цього не потрібні дані з мітками
    • Він працював лише на зображеннях у відтінках сірого
  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