Bài kiểm tra có liên kết hướng dẫn · Cứng Cấp độ
Bài kiểm tra phân đoạn toàn cảnh
Xem lại phân đoạn toàn cảnh cho các sự vật và nội dung, ID phiên bản và Chất lượng toàn cảnh; tìm hiểu cách hai thành phần số liệu của nó phát hiện các lỗi khác nhau.
Câu hỏi 1 của 8
Phân đoạn toàn cảnh gán cho mỗi pixel trong hình ảnh những gì?
Xem trước mọi câu hỏi8 câu hỏi
Câu trả lời và giải thích xuất hiện khi bạn làm bài kiểm tra.
- Phân đoạn toàn cảnh gán cho mỗi pixel trong hình ảnh những gì?
- Nhãn danh mục, cộng với ID phiên bản cho các đối tượng có thể đếm được
- Chỉ có giá trị độ sâu
- Một hộp giới hạn duy nhất
- Mức độ mờ
- Trong thuật ngữ toàn cảnh, các lớp 'công cụ' là gì?
- Những vật thể đếm được như ô tô và con người
- Các vùng vô định hình như bầu trời, con đường hoặc bãi cỏ
- Nhãn văn bản trong hình ảnh
- Siêu dữ liệu máy ảnh
- Hạn chế chính của phân đoạn ngữ nghĩa mà phân đoạn toàn cảnh khắc phục là gì?
- Nó không thể dán nhãn cho bầu trời
- Nó chỉ hoạt động trên video
- Nó không thể phân biệt các trường hợp riêng lẻ của cùng một loại
- Nó bỏ qua tất cả nền
- Số liệu nào được sử dụng để đánh giá chất lượng phân đoạn toàn cảnh?
- Số khung hình trên giây
- Tỷ lệ nén
- Độ chính xác màu
- Chất lượng toàn cảnh (PQ)
- 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
- Kiến trúc hiện đại nào xử lý cả sự vật và nội dung trong một mô hình dựa trên truy vấn, thống nhất?
- JPEG
- Mask2Cựu
- Riêng ResNet-18
- Bộ lọc dựa trên quy tắc
- 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
- 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