A.在時間上將一輸入視頻分段
B.從每個片段中隨機選擇光流圖和圖片幀（Frame）
C.對每個片段都使用感知機的框架進行行為識別
D.分段的類別得分進行融合，得到整個視頻的行為類別
E.時序分段網(wǎng)絡解決長視頻識別的關鍵在于把視頻沿時間軸分段，使采樣樣本能較為均勻地分布整個時間段

A.GoogleAlphaGo也是奠基于機器學習，透過計算機運算對手下棋的頻率
B.廣泛應用在圖像、影像識別、推薦系統(tǒng)、輔助決策等金融、醫(yī)療、國防民生領域
C.深度學習網(wǎng)絡就像黑盒子（blackbox），人們不容易理解模型中各網(wǎng)絡層的內(nèi)涵，就無法做出有效的調(diào)整
D.透過CNN模型，你可以輸入一張圖片，得到該圖片屬于哪種類別的結果，這過程我們把他稱作分類（Classification）
E.行為理解問題一般遵從如下基本過程：特征提取與運動表征、行為識別、高層行為與場景理解

A.光流可以用來描述運動的方向
B.光流描述是三維的運動點投影到二為圖像之后的投影點的運動
C.光流是同一個點在相鄰兩幀圖像的位移
D.光流代表的是圖像的位移不會受到遮擋、光罩變化和運動產(chǎn)生的模糊等因素影響
E.計算光流的關鍵是把兩幀之間相同的點連接起來

A.主題詞頻=主題比重×文文件詞頻
B.文文件詞頻=主題比重×主題詞頻
C.主題比重=文文件詞頻×主題詞頻
D.主題詞頻=主題比重/文文件詞頻
E.文文件詞頻=主題比重/主題詞頻

A.詞袋模型是用于描述文本的一個簡單的數(shù)學模型
B.詞袋模型是常用的一種文本特征提取方式
C.詞袋模型只考慮詞語在文檔中出現(xiàn)的次數(shù)
D.詞袋模型不忽略詞語的順序和句子的結構
E.詞袋模型忽略詞語的順序和句子的結構