Skip to content

Latest commit

 

History

History
75 lines (71 loc) · 3.44 KB

C4W3_noAnswers.md

File metadata and controls

75 lines (71 loc) · 3.44 KB

C4W3 目标检测算法

测验

1、现在你要构建一个能够识别三个对象并定位位置的算法,这些对象分别是:行人(c=1),汽车(c=2),摩托车(c=3)。 下图对应的标签哪个是正确的?

注:y=[p_c, b_x, b_y, b_h, b_w, c1, c2, c3]
car

  • y=[1, 0.3, 0.7, 0.3, 0.3, 0, 1, 0]
  • y=[1, 0.7, 0.5, 0.3, 0.3, 0, 1, 0]
  • y=[1, 0.3, 0.7, 0.5, 0.5, 0, 1, 0]
  • y=[1, 0.3, 0.7, 0.5, 0.5, 1, 0, 0]
  • y=[0, 0.2, 0.4, 0.5, 0.5, 0, 1, 0]

2、继续上一个问题,下图中y的值是多少?注:“?”是指“不关心这个值”,这意味着神经网络的损失函数不会关心神经网络对输出的结果,和上面一样,y=[p_c, b_x, b_y, b_h, b_w, c1, c2, c3]。 load

  • y=[1, ?, ?, ?, ?, 0, 0, 0]
  • y=[0, ?, ?, ?, ?, ?, ?, ?]
  • y=[?, ?, ?, ?, ?, ?, ?, ?]
  • y=[0, ?, ?, ?, ?, 0, 0, 0]
  • y=[1, ?, ?, ?, ?, ?, ?, ?]

3、你现在任职于自动化工厂中,你的系统会看到一罐饮料从传送带上下来,你想要对其进行拍照, 然后确定照片中是否有饮料罐,如果有的话就对其进行包装。饮料罐头是圆的,而包装盒是方的, 每一罐饮料的大小是一样的,每个图像中最多只有一罐饮料,现在你有下面的方案可供选择,这里有一些训练集图像: can

  • Logistic unit (用于分类图像中是否有罐头)
  • Logistic unit,b_x 和 b_y
  • Logistic unit,b_x,b_y,b_h (因为b_w =b_h,所以只需要一个就行了)
  • Logistic unit,b_x,b_y,b_h,b_w

4、如果你想要构建一个能够输入人脸图片,输出N个人脸关键点的神经网络(假设图像只包含一张脸),那么你的神经网络有多少个输出节点?

  • N
  • 2N
  • 3N
  • N^2

5、当你训练一个视频中描述的对象检测系统时,里需要一个包含了检测对象的许多图片的训练集,然而边界框不需要在训练集中提供,因为算法可以自己学习检测对象,这个说法对吗?

  • 正确
  • 错误

6、假如你正在应用一个滑动窗口分类器(非卷积实现),增加步伐不仅会提高准确性,也会降低成本。

  • 正确
  • 错误

7、在YOLO算法训练的时候,只有一个包含对象的中心/中点的一个单元负责检测这个对象。

  • 正确
  • 错误

8、这两个框中IoU大小是多少?左上角的框是2x2大小,右下角的框是2x3大小,重叠部分是1x1。 IoU

  • 1/6
  • 1/9
  • 1/10
  • 以上都不是
    1 * 1 / (2 * 2 + 2 * 3 − 1 * 1) = 1/9

9、假如你在下图中的预测框中使用非最大值抑制,其参数是放弃概率≤ 0.4的框,并决定两个框IoU的阈值为0.5,使用非最大值抑制后会保留多少个预测框? predictedBoxes

  • 3
  • 4
  • 5
  • 6
  • 7

10、假如你使用YOLO算法,使用19x19格子来检测20个分类,使用5个锚框(anchor box)。 在训练的过程中,对于每个图像你需要输出卷积后的结果y作为神经网络目标值(这是最后一层),y可能包括一些“?”或者“不关心的值”。请问最后的输出维度是多少?

  • 19x19x(25x20)
  • 19x19x(5x20)
  • 19x19x(20x25)
  • 19x19x(5x25)