Bài kiểm tra phát hiện đối tượng từ vựng mở

Câu trả lời và giải thích xuất hiện khi bạn làm bài kiểm tra.

1. Khả năng xác định của việc phát hiện đối tượng từ vựng mở là gì?
   • Chỉ phát hiện các danh mục được nhìn thấy bằng hộp trong quá trình đào tạo
   • Chạy nhanh hơn tất cả các máy dò khác
   • Phát hiện các đối tượng được mô tả bằng văn bản tùy ý, bao gồm cả các danh mục không nhìn thấy được
   • Chỉ làm việc trên hình ảnh thang độ xám
2. In a common embedding-based open-vocabulary detector, how are candidate regions matched to user-supplied labels?
   • By using only the region's average brightness
   • By comparing visual-region features with text embeddings in a compatible representation space
   • By choosing labels alphabetically without visual features
   • By restricting every model to the original COCO class list
3. Tài nguyên đào tạo trước nào cho phép phát hiện từ vựng mở nhiều nhất?
   • Các cặp văn bản-hình ảnh quy mô lớn được sử dụng để tìm hiểu không gian ngôn ngữ tầm nhìn
   • Một bộ nhỏ các hộp được dán nhãn hoàn hảo
   • Bản ghi âm
   • Bộ dữ liệu chữ số viết tay
4. What replaces fixed per-class classifier weights in a common embedding-based open-vocabulary design?
   • The camera's physical image sensor
   • The bounding-box coordinate system
   • All visual features with random file identifiers
   • Representations of the supplied text labels used for similarity-based classification
5. Cái nào trong số này là một ví dụ về mô hình phát hiện từ vựng mở hoặc nền tảng?
   • Riêng ResNet-50
   • Nối đất DINO
   • Một kịch bản phân cụm k-means đơn giản
   • Macro bảng tính
6. What does an open-vocabulary detector's ability to use a new text category imply?
   • It guarantees accurate detection of every nameable object
   • The category must have been absent from every pretraining image and caption
   • It can attempt localization through learned vision-language associations, with accuracy requiring evaluation
   • It needs no visual features or bounding-box output
7. What output distinguishes text-conditioned object detection from simply saying that an image contains a named category?
   • Only a whole-image tag with no object location
   • Only the text prompt's word count
   • Only the image's dimensions and filename
   • Locations such as bounding boxes for the matching objects
8. Before using open-vocabulary predictions to auto-label a new domain, what should a dataset team check?
   • The boxes and labels under representative prompts, thresholds, and domain conditions
   • Assume text-conditioned predictions are automatically ground truth
   • Verify only that the label strings contain no spelling errors
   • Discard all visual inspection because image-text pretraining guarantees accuracy