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
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
举一反三
- 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。
- 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。
- 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
- Faster RCNN算法由于RPN生成候选区域耗费大量时间，所以该算法仍然不能做到实时检测，RPN会生成大量的候选区域，模型对每个区域会进行分类和回归，存在大量冗余计算。（ ）