题目
A.RCNN生成大约2k个候选框
B.RCNN把所有侯选框缩放成固定大小
C.RCNN结合NMS(非极大值抑制)获得区域边框(BBox)
D.RCNN采用SVM对候选框进行位置预测
第1题
A.RCNN生成大约2k个候选框
B.RCNN把所有侯选框缩放成固定大小
C.RCNN结合NMS(非极大值抑制)获得区域边框(BBox)
D.RCNN采用SVM对候选框进行位置预测
第2题
A.RCNN生成大约2k个候选框
B.RCNN把所有侯选框缩放成固定大小
C.RCNN结合NMS(非极大值抑制)获得区域边框(BBox)
D.RCNN采用SVM对候选框进行位置预测
第3题
A.rcnn、fast-rcnn、faster-rcnn算法本质上都是将目标检测分成了两个任务,目标框分类和矩形框回归。
B.rcnn、fast-rcnn、faster-rcnn算法都需要额外的selective search模块来捕获候选框
C.YOLO网络只需要一次推断就可以输出图像中物体的位置、所属类别
D.YOLO网络的思路是将输入图像划分成固定的s*s个格子,每个格子输出b个BBox
第4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。
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!