Faster RCNN中生成推荐区域的算法为( )
A: selective search
B: RPN
C: LRN
D: ROI Pooling
A: selective search
B: RPN
C: LRN
D: ROI Pooling
举一反三
- Faster RCNN中生成推荐区域的算法为ROI Pooling。( )
- RCNN通过算法selective search生成候选区域。( )
- 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。( )
- “Faster R-CNN与Fast R-CNN的主要区别在于将得到RoI的方式从Selective Search改为由Region Proposal Network (RPN)所输出的特征图上得到。” 这个说法对吗?
- 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。