以后有关目标检测的说法,正确的是哪些?
A.对于YOLOv1等单阶段的目标检测算法,不需要做区域生成(region proposal),可以直接使用卷积网络预测物体的分类和位置。
B.对于R-CNN算法而言,对目标和背景进行分类仅需一个SVM模型。
C.Fast R-CNN可以把selective search提取的候选框通过ROI Pooling转化为固定大小的特征图。
D.在Faster R-CNN中,候选框是通过特征图的点使用RPN(区域生成网络)生成。
A.对于YOLOv1等单阶段的目标检测算法,不需要做区域生成(region proposal),可以直接使用卷积网络预测物体的分类和位置。
B.对于R-CNN算法而言,对目标和背景进行分类仅需一个SVM模型。
C.Fast R-CNN可以把selective search提取的候选框通过ROI Pooling转化为固定大小的特征图。
D.在Faster R-CNN中,候选框是通过特征图的点使用RPN(区域生成网络)生成。
第1题
A.对于YOLOv1等单阶段的目标检测算法,不需要做区域生成(region proposal),可以直接使用卷积网络预测物体的分类和位置。
B.对于R-CNN算法而言,对目标和背景进行分类仅需一个SVM模型。
C.Fast R-CNN可以把selective search提取的候选框通过ROI Pooling转化为固定大小的特征图。
D.在Faster R-CNN中,候选框是通过特征图的点使用RPN(区域生成网络)生成。
第3题
A.候选区域生成、分类和回归等阶段使用一个VGG16网络统一为端对端的目标检测过程
B.因为一个网格对应的边框B通常取2,所以YOLO v1对于有重叠的物体或者是中心落在一个网格的小物体往往只能识别其中的一个。
C.把目标检测转化为一个回归问题,无需候选区域生成环节,因此速度得到了提升
D.由于候选区域只能从SXS个有限的网格选择,因此YOLO v1算法的准确性不如Faster R-CNN
第4题
A.把目标检测转化为一个回归问题,无需候选区域生成环节,因此速度得到了提升
B.由于候选区域只能从SXS个有限的网格选择,因此YOLO v1算法的准确性不如Faster R-CNN
C.因为一个网格对应的边框B通常取2,所以YOLO v1对于有重叠的物体或者是中心落在一个网格的小物体往往只能识别其中的一个
D.候选区域生成、分类和回归等阶段使用一个VGG16网络统一为端对端的目标检测过程
第8题
A.把目标检测转化为一个回归问题,无需候选区域生成环节,因此速度得到了提升
B.由于候选区域只能从SXS个有限的网格选择,因此YOLO v1算法的准确性不如Faster R-CNN
C.因为一个网格对应的边框B通常取2,所以YOLO v1对于有重叠的物体或者是中心落在一个网格的小物体往往只能识别其中的一个
D.分类和回归等阶段使用一个VGG16网络统一为端对端的目标检测过程
第10题
A.目标检测常使用深度学习中卷积神经网络模型
B.训练好的目标检测算法可以用于边缘计算
C.机器视觉场景往往需要应用边缘计算
D.边缘计算就是一种人工智能
为了保护您的账号安全,请在“赏学吧”公众号进行验证,点击“官网服务”-“账号验证”后输入验证码“”完成验证,验证成功后方可继续查看答案!