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
A: 正确
B: 错误
A
举一反三
- 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
- 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
- 时间的卷积人工神经网络可以用于数字视频的对象检测，包括了多个步骤，请给出正确的顺序。 A: 使用CNN对目标候选框进行分类，去除背景框。 B: 输出重打分的结果。 C: 用Selective Search方法提取很多目标候选框。 D: 使用R-CNN对目标框进行分类别的打分。 E: 对高置信度的目标框进行跟踪。
- RCNN通过算法selective search生成候选区域。（ ）
- 以下属于深度学习模型的是（ ）。 A: Linear Regression B: RNN C: SVM D: CNN
内容
- 0
“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？ A: 正确 B: 错误
- 1
CNN常用于序列数据的建模 A: 正确 B: 错误
- 2
深度学习中最经典的网络是CNN，即卷积神经网络。（ ）
- 3
下列关于r-cnn网络的描述正确的有 A: 在r-cnn网络中，初步获取的上千个候选框可以不进行尺度缩放，直接输送到下一步的特征提取cnn中 B: 非极大值抑制（NMS）算法被用来合并、剔除各个候选框 C: r-cnn网络中，经过cnn和svm后，会得到候选框的中心坐标（x,y）和候选框的长宽（h,w） D: 得到目标候选框的信息后，还需要经过平移和尺度变换两个操作来获取最终的估计框
- 4
用CNN实现手写数字识别