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
您可能感兴趣的试卷
你可能感兴趣的试题
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
A.对计算资源要求更低
B.参数量减少了
C.计算量相对更少
D.以上所有
2017年,Laurent Sifr提出一种全新的卷积方式-深度可分离卷积(Depthwise Separable Convolution),这种卷积方式将传统的卷积运算分为两步,分别包含()。
1.Depthwise convolution
2.Pointwise convolution
3.Group convolution
4.Transpose Convolution
A.1,2
B.2,3
C.3,4
D.1,4
A.转置卷积可以应用于图像分割和生成式对抗模型中
B.转置卷积(transposed convolution)又被称为逆卷积,其目的是对图像进行上采样
C.转置卷积(transposed convolution)首次出现在2018年,Vincent Dumoulin的A guide to convolution arithmetic for deep learning论文中
D.以上都正确
最新试题
Motion特有的属性和规则包含()
粒子就是三维空间中的一个点,它具有()、颜色等属性,多个同样的粒子组合在一起就构成了粒子物体。
激活函数为有限值时,基于梯度的优化方法更加稳定。
BP算法仅适用于多层前馈神经网络。
触觉设计风格:指融汇了触觉感知的创作,这种感知可以是真实感知的,也可以是推测出的。常见的触觉设计风格包括:()、实物材料和3D打印等。
在神经网络中ReLU永远不会饱和。
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。
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。
训练CNN时,可以对输入进行旋转、平移、缩放等预处理提高模型泛化能力。
增加卷积核的大小对于改进卷积神经网络的效果是必要的。