---

←上一篇↓↑下一篇→

3.10 候選區域	回到目錄	4.1 什么是人臉識別？

---

總結

習題

第 121 題

現在你要構建一個能夠識別三個對象并定位位置的算法，這些對象分別是：行人（c=1），汽車（c=2），摩托車（c=3）。下圖中的標簽哪個是正確的？注： $y=\left[\begin{array}{c}{p}_c,b_x,b_y,b_h,b_w,c_1,c_2,c_3\end{array}\right]$

A.y=[1, 0.3, 0.7, 0.3, 0.3, 0, 1, 0]

B.y=[1, 0.7, 0.5, 0.3, 0.3, 0, 1, 0]

C.y=[1, 0.3, 0.7, 0.5, 0.5, 0, 1, 0]

D.y=[1, 0.3, 0.7, 0.5, 0.5, 1, 0, 0]

E.y=[0, 0.2, 0.4, 0.5, 0.5, 0, 1, 0]

第 122 題

繼續上一個問題，下圖中y的值是多少？注：“？”是指“不關心這個值”，這意味著神經網絡的損失函數不會關心神經網絡對輸出的結果，和上面一樣， $y=\left[\begin{array}{c}{p}_c,b_x,b_y,b_h,b_w,c_1,c_2,c_3\end{array}\right]$

A.y=[1, ?, ?, ?, ?, 0, 0, 0]

B.y=[0, ?, ?, ?, ?, ?, ?, ?]

C.y=[?, ?, ?, ?, ?, ?, ?, ?]

D.y=[0, ?, ?, ?, ?, 0, 0, 0]

E.y=[1, ?, ?, ?, ?, ?, ?, ?]

第 123 題

你現在任職于自動化工廠中，您的系統將看到一罐飲料沿著傳送帶向下移動，你要對其進行拍照，然后確定照片中是否有飲料罐，如果有的話就對其進行包裝。飲料罐頭是圓的，而包裝盒是方的，每一罐飲料的大小是一樣的，每個圖像中最多只有一罐飲料，現在你有下面的方案可供選擇，這里有一些訓練集圖像：

你的神經網絡最合適的輸出單位是什么？

A.邏輯單元(用于分類圖像中是否有罐頭)
B.邏輯單元， $b_x$ 和 $b_y$
C.邏輯單元， $b_x,b_y,b_h$ (因為 $b_w,b_h$ 所以只需要一個就行了)
D.邏輯單元， $b_x,b_y,b_h,b_w$

第 124 題

如果你想要構建一個能夠輸入人臉圖片，輸出為N個標記的神經網絡（假設圖像只包含一張臉），那么你的神經網絡有多少個輸出節點？

A.N
B.2N
C.3N
D. $N^2$

第 125 題

在訓練課程中描述的一個對象檢測系統中，您需要一個訓練集，其中包含許多要檢測的對象的圖片。但是，由于該算法可以學習自檢測對象，因此不需要在訓練集中提供邊界框。

A.正確 B.錯誤

第 126 題

如你正在應用一個滑動窗口分類器（非卷積實現），增加步長不僅會提高準確性，也會降低成本。

A.正確 B.錯誤

第 127 題

在YOLO算法中，在訓練時，只有一個單元（該單元包含對象的中心/中點）負責檢測這個對象

A.正確 B.錯誤

第 128 題

這兩個框中IoU大小是多少？左上角的框是2x2大小，右下角的框是2x3大小，重疊部分是1x1

A.1/6 B.1/9 C.1/10 D.以上都不是

第 129 題

假如你在下圖中的預測框中使用非最大值抑制，其參數是放棄概率≤ 0.4的框，并決定兩個框IoU的閾值為0.5，使用非最大值抑制后會保留多少個預測框？

A.3 B.4 C.5 D.6 E.7

第 130 題

假如你使用YOLO算法，使用19x19格子來檢測20個分類，使用5個錨框（anchor box）。在訓練的過程中，對于每個圖像你需要輸出卷積后的結果y作為神經網絡目標值（這是最后一層）， $y$ 可能包括一些“？”或者“不關心的值”。請問最后的輸出維度是多少？

A.19x19x(25x20)

B.19x19x(20x25)

C.19x19x(5x25)

D.19x19x(5x20)

121-130題 答案

121.A 122.B 123.B 124.B 125.B 126.B 127.A 128.B 129.C 130.C

---

←上一篇↓↑下一篇→

3.10 候選區域	回到目錄	4.1 什么是人臉識別？

---

總結

以上是生活随笔為你收集整理的3.11 总结-深度学习第四课《卷积神经网络》-Stanford吴恩达教授的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。