RCNN通过算法selective search生成候选区域。（ ）
对
举一反三
- Faster RCNN中生成推荐区域的算法为（ ） A: selective search B: RPN C: LRN D: ROI Pooling
- 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 RCNN中生成推荐区域的算法为ROI Pooling。（ ）
- RCNN算法分为三个步骤，分别是(a) 候选区域生成 (b) 区域分类 (c) CNN计算特征请问下列何者顺序正确？ A: (a)(c)(b) B: (a)(b)(c) C: (c)(b)(a) D: (c)(a)(b)
- R-CNN是用selective search产生候选proposals，然后将其输入到CNN中最后使用SVM判断结果
内容
- 0
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
- 1
R-CNN是用selective search产生候选proposals，然后将其输入到CNN中最后使用SVM判断结果 A: 正确 B: 错误
- 2
下面哪个算法属于一阶段检测算法( ) A: YOLO B: RCNN C: fast RCNN D: FPN
- 3
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。
- 4
R-CNN实现目标检测的过程为（ ）。 A: 输入图像，生成候选区域，提取特征向量，使用SVM进行分类，输出结果 B: 输入图像，使用SVM进行分类，生成候选区域，提取特征向量，输出结果 C: 输入图像，提取特征向量，生成候选区域，使用SVM进行分类，输出结果 D: 输入图像，使用SVM进行分类，提取特征向量，生成候选区域，输出结果