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。
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。
举一反三
- 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
- 以下哪些目标检测算法中候选区域的生成采用了选择性搜索算法？ A: R-CNN B: Fast R-CNN C: YOLO v1 D: Faster R-CNN
- 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
- 以下哪些目标检测算法需要先使用卷积神经网络后，再用锚机制生成候选区域？ A: Faster R-CNN B: YOLO v1 C: YOLO v2 D: Fast R-CNN
- 以下哪些目标检测算法中候选区域的生成没有采用了选择性搜索算法？ A: R-CNN B: Fast R-CNN C: Faster R-CNN D: YOLO v1