题目内容
（请给出正确答案）
[单选题]
下面哪种目标检测算法候选框中的物体分类没有采用卷积神经网络？
A.R-CNN
B.Fast R-CNN
C.Faster R-CNN
D.YOLO v1
答案
R-CNN
如搜索结果不匹配，请 联系老师 获取答案
A.R-CNN
B.Fast R-CNN
C.Faster R-CNN
D.YOLO v1
更多“下面哪种目标检测算法候选框中的物体分类没有采用卷积神经网络？”相关的问题
第5题
2、与R-CNN相比，有关Fast-RCNN的说法错误的是哪个？
A.可以把分类损失和边框精调的回归损失加在一起训练卷积神经网络，降低了Fast-RCNN的mAP
B.候选框的目标分类和边框精调都由卷积神经网络承担，这也提高了算法的速度
C.舍弃了R-CNN的多尺度池化，提高了算法的速度
D.Fast-RCNN将候选区域的特征获取和分类放在一个卷积神经网络
第6题
与R-CNN相比，有关Fast-RCNN的说法错误的是哪个？
A.可以把分类损失和边框精调的回归损失加在一起训练卷积神经网络，降低了Fast-RCNN的mAP
B.候选框的目标分类和边框精调都由卷积神经网络承担，这也提高了算法的速度
C.舍弃了R-CNN的多尺度池化，提高了算法的速度
D.Fast-RCNN将候选区域的特征获取和分类放在一个卷积神经网络
第7题
与R-CNN相比，有关Fast-RCNN的说法错误的是哪个？
A.可以把分类损失和边框精调的回归损失加在一起训练卷积神经网络，降低了Fast-RCNN的mAP
B.候选框的目标分类和边框精调都由卷积神经网络承担，这也提高了算法的速度
C.舍弃了R-CNN的多尺度池化，提高了算法的速度
D.Fast-RCNN将候选区域的特征获取和分类放在一个卷积神经网络
第8题
与R-CNN相比，有关Fast-RCNN的说法正确的是哪些？
A.Fast-RCNN将候选区域的特征获取和分类放在一个卷积神经网络
B.可以把分类损失和边框精调的回归损失加在一起训练卷积神经网络，降低了Fast-RCNN的mAP
C.舍弃了R-CNN的多尺度池化，并且对全连接层矩阵相乘使用了SVD，提高了算法的速度
D.候选框的目标分类和边框精调都由卷积神经网络承担，这也提高了算法的速度
第9题
12、与R-CNN相比，有关Fast-RCNN的说法正确的是哪些？
A.Fast-RCNN将候选区域的特征获取和分类放在一个卷积神经网络
B.可以把分类损失和边框精调的回归损失加在一起训练卷积神经网络，降低了Fast-RCNN的mAP
C.舍弃了R-CNN的多尺度池化，并且对全连接层矩阵相乘使用了SVD，提高了算法的速度
D.候选框的目标分类和边框精调都由卷积神经网络承担，这也提高了算法的速度
第10题
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。
第11题
8、在目标检测算法中，下面哪个不是把分类和Bbox回归的损失函数统一考虑的优点？
A.可以把2个阶段集成在一起，用一个卷积网络优化
B.提高整个算法训练的速度
C.使得分类的卷积神经网络训练可以兼顾分类准确性和边框的修整
D.减少了网络的过拟合
