对于目标检测算法，非极大值抑制主要是去除冗余的边框，一般放在候选框确定有物体和分类后再做。
对
举一反三
- 对于目标检测算法，非极大值抑制主要是去除冗余的边框，一般放在候选框确定有物体和分类后再做。 A: 正确 B: 错误
- 有关Faster-RCNN的说法错误的是哪些？ 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要快。 B: 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。 C: 目标分类与边框精修的输入来自于区域提名网络。 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。
- 有关Faster-RCNN的说法错误的是哪些？ A: 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 B: 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 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: 目标分类与边框精修的输入来自于区域提名网络
- 有关Faster-RCNN的说法正确的是哪个？ 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
- 下面关于目标检测RCNN算法的描述中，错误的说法是哪个？ 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
内容
- 0
下面关于目标检测的基本概念描述中，正确的说法是哪个？ 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
- 1
下面有关R-CNN的说法哪些是错误的？ A: 候选区域的生成使用了选择性搜索算法，这些候选区域产生后就要利用非极大值抑制筛选一部分。 B: 每个候选区域都要使用一个AlexNet分类 C: 对于不同的候选区域，需要缩放到227X227的大小 D: 每个候选框中的边框精调采用了线性回归的方法。
- 2
下面哪种算法的非极大值抑制（NMS）放在边框精修步骤的前面？? YOLO v1|Fast R-CNN|R-CNN|Faster R-CNN
- 3
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
- 4
下面哪种算法的非极大值抑制（NMS）放在边框精修步骤的前面？ A: R-CNN B: Fast R-CNN C: Faster R-CNN D: YOLO v1