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