试题列表
单选题
题型：单选题客观题分值3分难度：中等得分：3
1
从理论的⻆度来看，检测物体时，One-stage算法和Two-stage算法的区别在于（ ）
A
One-stage算法的精度较⾼；Two-stage算法的效率较⾼，计算速度较快
B
One-stage算法的计算速度和检测精度都⾼于Two-stage算法
C
Two-stage算法的计算速度和检测精度都⾼于One-stage算法
D
One-stage算法的效率较⾼，计算速度较快；Two-stage算法的精度较⾼
正确答案：D
题型：单选题客观题分值3分难度：中等得分：3
2
YOLOv2算法中，维度为26 × 26 × 512的特征图经过Passthrough层将其拆，输出的特征维度为（ ）
A
13 × 13 × 2048
B
26 × 26 × 512
C
13 × 13 × 512
D
26 × 26 × 2048
正确答案：A
题型：单选题客观题分值3分难度：较难得分：3
3
下列有关使⽤R-CNN算法进⾏⽬标检测的步骤，排序正确的是（ ）
① 候选框⽣成：⽤Selective Search算法在图像中⽣成候选框；
② 特征提取：提取候选框中的特征；
③ 类别判断：⽤分类器对候选框中的图像进⾏分类；
④ 候选框处理：将所有候选框的特征转换为同样⼤⼩。
A
①②④③
B
②①④③
C
①④②③
D
①②③④
正确答案：C
题型：单选题客观题分值3分难度：较难得分：3
4
在YOLO模型中，若⼀个⽹格输出的数据维度为7 × 7 × 30。其中30个参数中，包含两个边
框各需要的5个参数，其余20个参数表示（ ）
A
对于10类物体，两个边框包含每种类别的概率
B
对于20类物体，当前⽹格检测的物体属于每种类别的概率
C
对于20类物体，当前⽹格包含每类物体的个数
D
当前⽹格临近的四个边框的需要的参数
正确答案：B
题型：单选题客观题分值3分难度：较难得分：3
5
下图中，红⾊边框是包含狗的真实边框，使⽤YOLO模型进⾏⽬标检测时，A、B、C、D、E中负责预测狗的⽹格是（ ）
A
E
B
B
C
A
D
C
正确答案：A
多选题
题型：多选题客观题分值5分难度：中等得分：5
1
Bag of Freebies是⽤⼀些⽐较有⽤的训练技巧来训练模型，不增加模型的复杂度，从⽽不增加计算量，并使得模型取得更好的准确率，常⽤的⽅法有（ ）
A
改变边框回归损失函数
B
增强感受野
C
训练时⾃适应调整样本损失率，降低识别正确率⾼的样本损失的权重
D
图像增强
正确答案：A；C；D
题型：多选题客观题分值5分难度：中等得分：5
2
各向同性缩放是指将不同尺⼨的候选区域统⼀成相同⼤⼩，采⽤的两种缩放⽅式为（ ）
A
复制填充：通过复制原候选框内的图像，扩展候选框，超出部分进⾏剪裁
B
先扩充后裁剪：直接把候选框的边界扩展成正⽅形，再裁剪。如果已经延伸到了原始图像的外边
界，就⽤候选框中的颜⾊均值进⾏填充
C
先裁剪后扩充：先将候选框按原尺⼨剪裁，再⽤颜⾊均值填充成正⽅形
D
直接缩放：通过缩放，将候选框的宽⾼直接变换为⼀致⼤⼩
正确答案：B；C
题型：多选题客观题分值5分难度：中等得分：5
3
下列关于RoI Pooling的表述正确的是（ ）
A
相较于直接对候选区域剪裁，使⽤RoI Pooling变换特征图⼤⼩，能够显著提⾼计算速度
B
RoI Pooling 通过提取候选框内不同区域的像素，对候选框进⾏剪裁
C
RoI Pooling输出的特征图⼤⼩⼀致
D
由于RoI Pooling的提出，不需要再对候选区域进⾏各向同性缩放的操作，避免了图像分辨率的降低
正确答案：C；D
题型：多选题客观题分值5分难度：较难得分：5
4
下列关于使⽤RPN算法⽣成锚框的描述，正确的是（ ）
A
在Faster R-CNN中，RPN算法直接在图像上⽣成锚框
B
RPN算法对特征图每个点⽣成9个锚框，锚框中⼼点相同，尺度⼤⼩不同
C
RPN算法对特征图每个点⽣成9个锚框，锚框的尺度相同，只是中⼼点位置不同
D
在Faster R-CNN中，RPN算法在图像经过卷积后，在得到的特征图上⽣成锚框
正确答案：B；D
题型：多选题客观题分值5分难度：困难得分：5
5
相较于RoI Pooling，RoI Align能够提⾼检测⽬标的精度，但提⾼效果与数据集相关，下列描述正确的是（ ）
A
在⼤⽬标较多的数据集上，RoI Align的检测效果更好，因为检测⼤物体⽬标受于RoI Pooling的量化
误差的影响更⼤
B
在⼩⽬标较多的数据集上，RoI Align的检测效果更好，因为检测⼩物体⽬标受于RoI Pooling的量化
误差的影响更⼤
C
RoI Align在图像较少的数据集上提升效果较好
D
RoI Align使⽤了双线性插值算法，获得特征值
正确答案：B；D
题型：多选题客观题分值5分难度：较难得分：5
6
Fast R-CNN是基于R-CNN改进的算法，下列关于Fast R-CNN的表述正确的是（ ）
A
Fast R-CNN算法将给定图像直接输⼊CNN，进⾏特征提取
B
Fast R-CNN使⽤Softmax算法对特征进⾏分类
C
Fast R-CNN改进了⽣成候选区域的⽅式，提⾼了计算效率
D
在RoI Pooling层，输出的特征图的⼤⼩与输⼊的特征图⼤⼩相关，⼀般成⽐例进⾏缩放
正确答案：A；B
简答题
题型：简答题主观题分值15分难度：中等得分：15
1简述YOLO算法思想及YOLOv1结构。
题型：简答题主观题分值10分难度：一般得分：10
2简述目标检测深度学习模型。
题型：简答题主观题分值10分难度：简单得分：10
3简述目标检测的含义。
题型：简答题主观题分值10分难度：中等得分：8
4简述传统目标检测的流程。
题型：判断题客观题分值4分难度：一般得分：4
1
YOLO算法属于Two-stage目标检测算法？
A正确
B错误
正确答案：B
填空题
题型：填空题客观题答案允许乱序分值6分难度：简单得分：6
1
目标检测的三个阶段包括 ， ，
第1空分值：2分
第2空分值：2分
第3空分值：2分
正确答案：区域选择；特征提取；分类
评论0