如果结果不匹配，请 
更多“在卷积神经网络训练时，可以A输入进行旋转、平移、缩放等操作，…”相关的问题
第2题
提高卷积神经网络分类准确性，以下哪个方法可能是无效的（)？
A.增加可调整参数的隐层数目
B.使用图像进行旋转、裁剪、拉伸、裁剪等进行样本增强
C.采用小卷积核，提高通道的个数
D.增强特征获取能力对样本按照一定的方式排序
第3题
与R-CNN相比，有关Fast-RCNN的说法错误的是哪个（)？
A.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
B.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
C.舍弃了R-CNN的多尺度池化，提高了算法的速度
D.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
第6题
对完成特定任务的卷积神经网络训练采用的是监督学习方法。在这个过程中，通过误差后向传播来优化调整网络参数，请问下面哪个参数不是通过误差后向传播来优化的（)。
A.卷积滤波矩阵中的参数
B.全连接层的链接权重
C.激活函数中的参数
D.模型的隐藏层数目
第8题
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(anchorbox)。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()
A.19x19x(25x20)
B.19x19x(20x25)
C.19x19x(5x25)
D.19x19x(5x20)
第11题
假设在卷积神经网络的第一层中有5个卷积核，每个卷积核尺寸为7x7，具有零填充且步幅为1。该层的输入图片的维度是224x224x3，那么该层输出的维度是多少？
A.217x217x3
B.217x217x8
C.218x218x5
D.220x220x7
