A.灰度插值
B.尺度变换
C.旋转变换
D.平移变换
您可能感兴趣的试卷
你可能感兴趣的试题
A.同样重要
B.幅度谱
C.都不重要
D.相位谱
A.RBG
B.RGB
C.BGR
D.以上任意一种都可以
A.视知觉主要论述接收外部刺激之后如何反应以及所采用的方式
B.视知觉的任务是确定“什么东西在什么地方”
C.视知觉对接收的刺激进行组织加工,构成具有一定形状整体,借此认识外在世界中的物体目标
D.视知觉的定义最早是由阿基米德提出
阈值分割中,阈值的选取方式有()。
1.固定阈值分割
2.直方图双峰法
3.迭代阈值分割
4.自适应阈值分割
A.1,2,4
B.1,2,3
C.2,3,4
D.1,2,3,4
A.更糟
B.可变
C.不变
D.不能确定
图像处理中的几何变换主要包含()。
1.平移
2.缩放
3.旋转
4.仿射
5.透视
A.1,2,3
B.1,2,3,4
C.1,2,3,4,5
D.2,4,5
A.ImageNetCifar
B.COCO
C.PASCAL VOC
D.Cifar
A.LeNet
B.SVM
C.MLP
D.Neocognitron
2014年,Ross BGirshick提出了RCNN两阶段目标检测模型,该模型利用深度卷积神经网络提取特征,并非端到端得卷积神经网络模型,请描述该模型得检测流程()。
1.利用selective search方法在输入图像中提取2000个region proposals,并归一化到227*227
2.候选图像输入到卷积神经网络中提取特征
3.利用SVM进行分类
4.使用NMS非极大值抑制去除IOU值较大冗余region proposals,并做目标框bbox回归
A.1,2,3,4
B.1,4,2,4
C.2,1,3,4
D.2,1,4,3
2015年,Ross BGirshick在之前的基础之上对模型的进行了优化,提出了Fast RCNN,该模型提出了一种ROI Pooling的方法,降低了模型对输入图像尺寸的依赖,并实现了端到端的目标检测ROI Pooling的运行方式是()。
1.利用selective search方法在输入图像中提取2000个region proposals
2.原始图像输入到卷积神经网络中提取特征
3.将原始图像中的region proposal映射到卷积特征图上
4.利用ROI Pooling将region proposal特征子区域下采样到统一尺寸,之后提取特征
5.利用CNN模型进行目标识别和Bbox回归,使用NMS非极大值抑制去除IOU值较大冗余region proposals
A.1,2,3,4,5
B.1,3,2,4,5
C.2,1,3,4,5
D.2,1,4,3,5
最新试题
将Sigmoid激活函数改为ReLU,将有助于克服梯度消失的问题。
在北美地区,电视和影像使用的标准帧频是23.976fps,这个也被认为等同于常规的传统35毫米胶片的()帧的帧频。
在神经网络中ReLU永远不会饱和。
动态设计的源头可以追溯到20世纪50年代()匠心独运地把人物角色加入到电影的片头、片尾设计中。
提升卷积核(convolutional kernel)的大小会显著提升卷积神经网络的性能。
单计算层感知器只能解决线性可分问题。
数据可视化艺术设计是对抽象的数据信息进行可视化,来增强人类感知的研究,创造更加直观的视觉呈现形式,来对()进行传达,帮助人们理解和分析数据。
如果我们去掉ReLU层,这个神经网络仍能够处理非线性函数。
神经网络进行图片语义分割时,先用CNN处理输入,再用反CNN得到输出。
训练好的模型在测试集准确率100%,则在新的数据集上也会达到100%。