画像認識

物体検出で用いられるIoU（Intersection over Union）の説明として最も適切なのはどれか。

Non-Maximum Suppression（NMS）の主な目的として最も適切なのはどれか。

U-Netで用いられるスキップ結合の狙いとして最も適切なのはどれか。

穴埋め：インスタンスセグメンテーションは，画素ごとのクラスだけでなく同一クラス内の（　）も区別する。（　）に入る語として最も適切なのはどれか。

Vision Transformer（ViT）の基本的な入力表現として最も適切なのはどれか。

物体検出で用いられるmAP（mean Average Precision）の説明として最も適切なのはどれか。