Proses Pengesanan Objek & Keputusan Model

Apakah jenis objek yang digunakan dalam latihan model dalam slaid ini?

• Haiwan dan tumbuhan

• Kereta dan manusia

• Makanan dan minuman

• Telefon dan komputer

Apakah teknik yang digunakan untuk melabel dataset dalam latihan model ini?

• Secara automatik menggunakan AI

• Secara manual menggunakan Roboflow

• Dengan menggunakan teks sahaja

• Dengan melukis bounding box secara rawak

Apakah maksud "confusion matrix" dalam penilaian model?

• Alat untuk mengukur tahap kekeliruan dalam dataset

• Kaedah untuk membandingkan imej sebelum dan selepas latihan

• Matriks yang menunjukkan ketepatan dan kesilapan model dalam membuat pengesanan

• Senarai imej yang gagal diproses oleh model

Bagaimanakah prestasi model YOLO dinilai selepas latihan?

• Dengan memeriksa nilai "confidence score" setiap pengesanan

• Dengan mengira bilangan imej dalam dataset

• Dengan melihat jumlah baris kod dalam model

• Dengan membandingkan bilangan epoch yang digunakan

Apakah yang dilakukan selepas model YOLO dilatih dan diuji?

• Model digunakan untuk mengesan objek dalam imej baru

• Model dipadam dan dilatih semula dari awal

• Model hanya disimpan dalam komputer tanpa digunakan

• Model dipindahkan ke telefon pintar untuk digunakan dalam permainan

Mengapakah perbandingan prestasi antara YOLOv5 dan YOLOv8 penting?

• Untuk menentukan model yang lebih sesuai dari segi ketepatan dan kecekapan

• Untuk memastikan model yang lebih lama tidak digunakan lagi

• Untuk melihat sama ada model boleh digunakan tanpa latihan

• Untuk mengetahui jika model boleh dijalankan tanpa sambungan internet

Apakah contoh aplikasi dunia nyata yang boleh menggunakan model YOLO?

• Mengesan pesakit dalam imej X-ray

• Menulis esei secara automatik

• Menerjemah bahasa secara langsung

• Mengedit video secara automatik

Bagaimanakah model YOLO boleh digunakan selepas ia dilatih dan diuji?

• Ia boleh dimasukkan ke dalam sistem pengawasan dan robotik

• Ia hanya boleh digunakan dalam Google Colab

• Ia perlu dilatih semula setiap kali digunakan

• Ia hanya berfungsi dalam aplikasi mudah alih