A.YOLO通过选择性搜索来减少候选框耗时
B.YOLO采用整张图作为网络输入,耗时更长
C.YOLO采用网格化图像,每个网格都预测类别及其概率
D.YOLO采用NMS实现物体类别的过滤,提高性能
第1题
A.FasterRCNN主要是采用选择性搜索实现候选框提取
B.FasterRCNN使用SVM进行目标类别分类
C.FasterRCNN使用一个卷积实现分类和位置微调
D.FasterRCNN的损失函数与RCNN相同,位置损失函数采用交叉熵
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.候选框数量越多,目标检测的性能越强,耗时越短
B.非极大抑制(NMS)主要是提高模型检测的效率
C.IoU交并比主要是验证了目标检测的准确度
D.IoU的值越小,表示物体预测越准确
第4题
A.候选框的生成使用区域提名网络(RPN),比选择性搜索方法速度大大提升
B.目标分类与边框精修的输入来自于区域提名网络
C.非极大值抑制(NMS)可以减少候选框的数量,一般放在候选区域分类前完成
D.候选区域的生成与目标分类、边框精修的工作是一个网络完成的
第5题
A.目标检测是将目标从图像中提取出来
B.滑动窗口区域选择策略时间复杂度高,窗口冗余太多
C.目标检测算法主要采用卷积算法
D.目标检测对准确率要求更高,但是对检测耗时要求较低
第6题
A.如果有两个候选框重叠,可通过阀值去重
B.如果有两个候选框重叠,可通过NMS去重
C.重叠面积(IoU)是去重的依据
D.模型的精度越高,去重的耗时越长
第8题
A.MobileNet核心是将卷积拆分为Depthwise+Pointwise两部分
B.MobileNet采用组卷积操作提高速度
C.MobileNet中Pointwise采用了组卷积技术获得特征
D.Pointwise将不同组的特征进行融合
第9题
A.给定一个游戏搜索树,minimax算法通过每个节点的minimax值来决定最优策略
B.minimax搜索不需要遍历游戏树中所有节点
C.MIN节点希望对方收益最小化
D.MAX节点希望自己收益最大化
第10题
A.蚁群算法是通过人工模拟蚂蚁搜索食物的过程,即通过个体之间的信息交流与相互协作最终找到从蚁穴到食物源的最短路径的
B.蚂蚁系统是一种增强型学习系统
C.蚁群算法中,蚂蚁选择路径的原理是一种负反馈机制
D.蚁群算法是一种应用于组合优化问题的启发式搜索算法
为了保护您的账号安全,请在“上学吧”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!