A、翅膀
B、脚
C、躯体
D、头脑
答案：C
A、翅膀
B、脚
C、躯体
D、头脑
答案：C
A. FasterRCNN
B. YOLOv1
C. YOLOv2
D. YOLOv3
解析：YOLOv1没有使用Anchorbox
A. 提出候选框生成网络，取代了SelectiveSearch
B. 在RPN与最终输出的两个阶段，将分类损失和框回归损失进行联合后对网络进行优化
C. 采用ROIpooling层，加速特征提取过程
D. 将CNN提取到的特征送入SVM进行分类
解析：见算法解析
A. 输入端-输出端
B. 输入端-中间端
C. 输出端-中间端
D. 中间端-中间端
A. 图像分析，图像处理，图像理解
B. 图像分析，图像理解，图像处理
C. 图像处理，图像分析，图像理解
D. 图像理解，图像分析，图像处理
解析：图像识别任务可以分为三个层次，根据处理内容的抽象性，从低到高依次为图像处理，图像分析，图像理解
A. 指数级
B. 对数级
C. 线性级
D. 平方级
解析：见算法解析
A. 增加网络宽度
B. 轻量化网络模型
C. 改善网络退化现象
D. 增加网络深度
解析：GoogLeNet从增加网络宽度角度改进了之前的图像分类网络
A. 情感分析
B. 问答系统
C. 机器翻译
D. 所有选项
解析：深度学习可以用来解决上述所有NLP问题。
A. 正定性
B. 齐次性
C. 三角不等式
D. 相容性
A. 从文本中提取特征
B. 测量特征相似度
C. 为学习模型的向量空间编程特征
D. 以上都是
A. Main节点
B. Master节点
C. Slave节点
D. Save节点
