单选题在Faster-RCNN中，以下哪项是其主要缺点之一？

A、检测速度较慢.

B、不需要大量的训练数据.

C、对小目标的检测效果较差.

D、检测精度低.

由4l***g4提供分享举报纠错

相关试题

单选题 Batch Normalization的主要目的是:

A、加速网络训练

B、降低内存使用

C、减少模型参数

D、增加数据的多样性

单选题 YOLOv8中，以下哪项是其主要改进之一？

A、提出了新的EfficientRep结构,提高了检测速度.

B、使用了更深的ResNet作为主干网络.

C、引入了Transformer架构.

D、提出了新的锚框机制.

单选题 ResNet的训练时，哪种技术对防止过拟合帮助最大？

A、批量归一化

B、Dropout

C、L2正则化

D、数据增强

单选题 VGG模型的一个关键特征是什么？

A、深度可分离卷积

B、卷积层之间没有池化层

C、同一卷积层内卷积核大小不一

D、多个全连接层

单选题使用PyTorch定义CNN时，哪个类用于添加卷积层？

A、nn.Conv2d

B、nn.BatchNorm2d

C、nn.ReLU

D、nn.Linear

单选题在图像分类任务中，一张图像的大部分区域都是背景，只有少数区域真正决定类别。如果希望模型优先把计算资源放到目标所在区域，而不是平均对待所有位置，最直接对应的机制是:( )

A、空间注意力

B、通道注意力

C、批归一化

D、残差连接

单选题 YOLOv2相对于YOLOv1的主要改进是:

A、引入了Batch Normalization来加速训练.

B、使用更深的网络结构.

C、增加了检测框的数量.

D、完全摒弃了锚框机制.

单选题以下关于Wasserstein GAN(WGAN)的说法中，哪一项是不正确的？

A、WGAN使用Wasserstein距离来衡量生成数据和真实数据的相似性

B、WGAN的判别器可以输出一个连续的评分

C、WGAN的训练过程比普通GAN更加稳定

D、WGAN完全解决了GAN中的模式坍塌问题