深度卷积神经网络的检测与定位/分割能力 正在成为全球的研究热点。()

2012年以来，深度卷积神经网络已经成为计算机视觉主流方法，网络深度成为（)。

针对LFW人脸识别库，深度卷积神经网络超过了人类的识别能力，其中包括（)。

针对（)的交通标志识别，深度卷积神经网络也超过了人类的识别能力。

以深度卷积神经网络为代表的感知智能可以说取得了巨大成功，采用的是“举三反一”或（)的方法，而它最大的缺陷之一就是没有人类举一反三的能力。

在大数据和大计算能力的支撑下，深度卷积神经网络的视觉识别能力，在许多国际公开测评中，达到或

根据本讲，影响深度卷积神经网络算法的关键参数是（)。A.网站数量B.网络深度C.网络结构D.网络主