题目内容
（请给出正确答案）
[单选题]
CNN神经网络对图像特征提取带来了变革性的变化，使之前的人工特征提取升级到数据驱动的自动特征提取，在CNN中，起到特征提取作用的网络层是（）。
A.卷积层
B.全连接层
C.池化层
D.采样层
查看答案
如果结果不匹配，请 联系老师 获取答案
题目内容
（请给出正确答案）
如果结果不匹配，请 联系老师 获取答案
题目内容
（请给出正确答案）
A.卷积层
B.全连接层
C.池化层
D.采样层
如果结果不匹配，请 联系老师 获取答案
更多“CNN神经网络对图像特征提取带来了变革性的变化，使之前的人工…”相关的问题
A.卷积神经网络只能处理图像信息
B.卷积神经网络是深度学习的代表算法之一
C.卷积神经网络可以用于遥感图像的分割
D.卷积神经网络不只包含卷积层
A.增强图像
B.简化图像
C.特征提取
D.图像处理
A.CNN和RNN都属于神经网络，因此二者的训练方式完全一致，均采用BP算法。
B.CNN和RNN都采用了权值共享机制以减少网络中的参数量。
C.在同一个网络中，CNN结构和RNN结构不能同时使用。
D.CNN适用于图像处理，而RNN适用于序列数据处理。
卷积神经网络中每层卷积层（convolutional layer）由若干卷积单元组成，每个卷积单元的参数都是通过反向传播算法最佳化得到，其作用是（）。
A.增强图像
B.简化图像
C.特征提取
D.图像处理
A.CNN中的全连接层常用softmax作为激活函数。
B.CNN中的池化层用于降低特征图维数，以避免过拟合。
C.CNN由卷积层、池化层和全连接层组成，常用于处理与图像有关的问题。
D.由于卷积核的大小一般是3*3或更大，因此卷积层得到的特征图像一定比原图像小。
A.提出候选框生成网络，取代了SelectiveSearch
B.在RPN与最终输出的两个阶段，将分类损失和框回归损失进行联合后对网络进行优化
C.采用ROIpooling层，加速特征提取过程
D.将CNN提取到的特征送入SVM进行分类
A.非监督学习的样本数据是要求带标签的
B.监督学习和非监督学习的区别在于是否要求样本数据带标签
C.强化学习以输入数据作为对模型的反馈
D.卷积神经网络一般用于图像处理等局部特征相关的数据
A.网格结构
B.数组结构
C.序列结构
D.表格结构
