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步骤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

A、R-CNN

如搜索结果不匹配，请联系老师获取答案

您可能会需要：

重置密码查看订单联系客服

安装赏学吧APP，拍照搜题省时又省心！

更多“下面哪种目标检测算法候选框中的物体分类步骤没有采用卷积神经网…”相关的问题

第1题

下面哪种目标检测算法候选框中的物体分类步骤没有采用卷积神经网络？

A.R-CNN

B.Fast R-CNN

C.Faster R-CNN

D.YOLO v1

点击查看答案

第2题

下面哪种目标检测算法候选框中的物体分类步骤没有采用卷积神经网络？

A.R-CNN

B.Fast R-CNN

C.Faster R-CNN

D.YOLO v1

点击查看答案

第3题

6、下面哪种目标检测算法候选框中的物体分类步骤没有采用卷积神经网络？

A.R-CNN

B.Fast R-CNN

C.Faster R-CNN

D.YOLO v1

点击查看答案

第4题

7、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

点击查看答案

第5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

点击查看答案

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

点击查看答案

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

点击查看答案

第8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

点击查看答案

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

点击查看答案

第10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

点击查看答案

警告：系统检测到您的账号存在安全风险

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！

微信搜一搜

赏学吧

点击打开微信

警告：系统检测到您的账号存在安全风险

抱歉，您的账号因涉嫌违反赏学吧购买须知被冻结。您可在“赏学吧”微信公众号中的“官网服务”-“账号解封申请”申请解封，或联系客服。

微信搜一搜

赏学吧

点击打开微信