A.對象的中心位置、長寬等定位參數(shù)通常被設置為回歸問題。B.對象的中心點位置回歸時,通常以選擇的錨框中心點坐標為基礎,回歸優(yōu)化的目標是使錨框中心點坐標偏離對象真實中心點位置的量與所預測對象的中心點位置偏離對象真實中心點位置的量之間的差異越小越好。C.對象定位的目標是使預測對象的定位參數(shù)直接和對象真實外包絡矩陣的參數(shù)差異越小越好。D.對象檢測方法的學習是包括對象定位和對象分類的多任務學習問題。
A.增加地物在圖像平面上的紋理或幾何等特征,提升不同類地物的可分性B.基于光譜特征,通過增加模型的復雜程度達到有效分類的目的C.擴充同分布的訓練數(shù)據規(guī)模D.通過正則化簡化分類邊界
A.模型過擬合是指把訓練樣本本身特點當做所有潛在樣本都會具有的一般性質B.分類器在訓練數(shù)據上錯誤率很低,但在測試數(shù)據上的錯誤率仍然很高,此時模型很可能處于過擬合狀態(tài)C.分類器在測試數(shù)據上錯誤率很高就是處于過擬合狀態(tài)D.欠擬合是指模型在訓練樣本的一般性質尚未被學習器學好