机器视觉与边缘计算应用：典型目标检测算法单元测试与答案.docxVIP

一、单选题 1、下面哪个是目标检测的过程？ A.样本选择与预处理-特征获取-分类器分类-区域选择 B.区域选择-样本选择与预处理-特征获取-分类分类 C.区域选择-样本选择与预处理-分类器分类-特征获取 D.样本选择与预处理-区域选择-特征获取-分类器分类 正确答案：D 2、与R-CNN相比，有关Fast-RCNN的说法错误的是哪个？ A.候选框的目标分类和边框精调都由卷积神经网络承担，这也提高了算法的速度 B.舍弃了R-CNN的多尺度池化，提高了算法的速度 C.Fast-RCNN将候选区域的特征获取和分类放在一个卷积神经网络 D.可以把分类损失和边框精调的回归损失加在一起训练卷积神经网络，降低了Fast-RCNN的mAP 正确答案：D 3、有关Faster-RCNN的说法正确的是哪个？ A.候选区域的生成与目标分类、边框精修的工作是一个网络完成的 B.目标分类与边框精修的输入来自于区域提名网络 C.非极大值抑制（NMS）可以减少候选框的数量，一般放在候选区域分类前完成 D.候选框的生成使用区域提名网络（RPN），比选择性搜索方法速度大大提升 正确答案：D 4、有关YOLO(v1)算法，以下哪个说法是错误的？ A.因为一个网格对应的边框B通常取2，所以YOLO v1对于有重叠的物体或者是中心落在一个网格的小物体往往只能识别其中的一个 B.由于候选区域只能从SXS个有限的网格选择，因此YOLO v1算法的准确性不如Faster R-CNN C.把目标检测转化为一个回归问题，无需候选区域生成环节，因此速度得到了提升 D.候选区域生成、分类和回归等阶段使用一个VGG16网络统一为端对端的目标检测过程 正确答案：C 5、下面哪种算法的非极大值抑制（NMS）放在边框精修步骤的前面？ A.R-CNN B.YOLO v1 C.Fast R-CNN D.Faster R-CNN 正确答案：A 6、下面哪种目标检测算法候选框中的物体分类步骤没有采用卷积神经网络？ A.R-CNN B.Faster R-CNN C.Fast R-CNN D.YOLO v1 正确答案：A 7、兴趣区域（ROI）池化的作用是哪一个？ A.增加特征的丰富性 B.加快网络训练的速度 C.把不同大小的特征图转化为固定大小的向量 D.防止网络陷入局部最小值 正确答案：C 8、?有关OpenVINO推理引擎的说法错误的是？ A.直接读入新数据到中间文件进行推理计算 B.利用训练好的模型，支持用户做高效的机器视觉任务，支持边缘计算的时间要求 C.读取模型优化器的中间文件进行处理 D.可以使用多个硬件共同承担推理计算任务，提高效率 正确答案：A 二、多选题 1、以下哪些目标识别算法使用了兴趣区域（ROI）池化？ A.R-CNN B.SPP-Net C.Fast R-CNN D.Faster R-CNN 正确答案：B、C、D 2、以下哪些目标检测算法中候选区域的生成采用了选择性搜索算法？ A.YOLO v1 B.R-CNN C.Faster R-CNN D.Fast R-CNN 正确答案：B、D