题目
A.R-CNN
B.Fast R-CNN
C.Faster R-CNN
D.YOLO v1
第1题
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4题
A.36
B.62
C.10
D.26
第5题
A.卷积中的通道数量只能是1或3
B.池化核大小与步长相等
C.Padding时各方向的填充不一定对称
D.卷积核越小,卷积后的结果越抽象
第9题
A.模型的隐藏层数目
B.激活函数中的参数
C.全连接层的链接权重
D.卷积滤波矩阵中的参数
第10题
A.在自然语言处理领域的应用比计算机视觉领域更广泛、更成功
B.图像的卷积,很类似视觉皮层对图像进行某种特定功能的处理
C.卷积神经网络模拟了人类视觉信息处理的过程
D.模拟大脑的视觉处理过程就是卷积神经网络的思路
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!