南京傳媒學院《平面廣告設(shè)計》2021-2022學年第一學期期末試卷

學校________________班級____________姓名____________考場____________準考證號學校________________班級____________姓名____________考場____________準考證號…………密…………封…………線…………內(nèi)…………不…………要…………答…………題…………第1頁，共3頁南京傳媒學院《平面廣告設(shè)計》

2021-2022學年第一學期期末試卷題號一二三四總分得分一、單選題（本大題共15個小題，每小題1分，共15分．在每小題給出的四個選項中，只有一項是符合題目要求的．）1、在計算機視覺的圖像去噪任務(wù)中，假設(shè)要去除一張受到嚴重噪聲污染的圖像中的噪聲，同時盡可能保留圖像的細節(jié)和邊緣信息。以下哪種去噪方法可能更適合？（）A.中值濾波，用鄰域中值代替像素值B.均值濾波，用鄰域平均值代替像素值C.基于深度學習的圖像去噪模型，如DnCNND.不進行任何去噪處理，保留原始噪聲圖像2、在計算機視覺的圖像修復任務(wù)中，假設(shè)圖像中有大面積的損壞或缺失區(qū)域，以下哪種方法可能更依賴于對圖像全局結(jié)構(gòu)的理解？（）A.基于紋理合成的方法B.基于擴散的方法C.基于深度學習的方法D.基于樣例的方法3、計算機視覺中的圖像增強旨在改善圖像的質(zhì)量和視覺效果。假設(shè)一張低對比度、有噪聲的醫(yī)學圖像需要進行增強處理，以突出病變區(qū)域并減少噪聲的影響。以下哪種圖像增強技術(shù)最為適合？（）A.直方圖均衡化B.中值濾波C.高斯濾波D.銳化濾波4、計算機視覺中的圖像配準任務(wù)是將不同時間、不同視角或不同傳感器獲取的圖像進行對齊。假設(shè)要將兩張拍攝角度不同的城市風景照片進行配準。以下關(guān)于圖像配準方法的描述，哪一項是不正確的？（）A.可以基于特征點匹配的方法，找到兩張圖像中的對應點，然后計算變換矩陣B.基于灰度信息的配準方法通過比較圖像的像素值來實現(xiàn)配準C.深度學習中的自監(jiān)督學習方法可以用于圖像配準，自動學習圖像之間的對應關(guān)系D.圖像配準總是能夠達到像素級別的精確對齊，不存在任何誤差5、在計算機視覺的圖像檢索任務(wù)中，根據(jù)用戶提供的圖像或特征在數(shù)據(jù)庫中查找相似的圖像。假設(shè)要從一個大型圖像庫中找到與給定圖像相似的圖片，以下關(guān)于圖像檢索方法的描述，正確的是：（）A.基于圖像的顏色和紋理特征進行檢索能夠滿足所有的檢索需求B.深度學習中的卷積神經(jīng)網(wǎng)絡(luò)提取的特征在圖像檢索中不如手工設(shè)計的特征有效C.考慮圖像的語義信息和高層特征可以提高圖像檢索的準確性和相關(guān)性D.圖像檢索的速度和效率不受數(shù)據(jù)庫大小和特征維度的影響6、在計算機視覺的全景圖像生成任務(wù)中，將多幅局部圖像拼接成一幅全景圖像。假設(shè)要生成一個城市景觀的全景圖像，以下關(guān)于全景圖像生成方法的描述，哪一項是不正確的？（）A.首先需要對局部圖像進行特征提取和匹配，找到它們之間的對應關(guān)系B.可以使用圖像變形和融合技術(shù)來消除拼接處的縫隙和色差C.全景圖像生成不受拍攝角度、光照條件和相機參數(shù)的影響，能夠完美拼接任何圖像D.基于深度學習的方法能夠自動學習全景圖像的生成規(guī)律，提高拼接效果7、計算機視覺中的醫(yī)學圖像分析對于疾病的診斷和治療具有重要意義。以下關(guān)于醫(yī)學圖像分析的描述，不準確的是（）A.可以對X光、CT、MRI等醫(yī)學圖像進行病灶檢測、器官分割和疾病分類B.深度學習技術(shù)在醫(yī)學圖像分析中取得了顯著的成果，但也面臨數(shù)據(jù)標注困難和模型泛化能力不足的問題C.醫(yī)學圖像分析需要遵循嚴格的醫(yī)學標準和倫理規(guī)范，確保結(jié)果的準確性和可靠性D.醫(yī)學圖像分析完全依賴于計算機視覺技術(shù)，醫(yī)生的經(jīng)驗和專業(yè)知識不再重要8、計算機視覺中的圖像分割任務(wù)旨在將圖像分割成不同的區(qū)域。假設(shè)要對一張風景圖片進行分割，區(qū)分天空、陸地和水面。以下關(guān)于圖像分割方法的描述，哪一項是錯誤的？（）A.基于閾值的分割方法簡單快速，但對于復雜圖像效果不佳B.區(qū)域生長法從種子點開始，逐步合并相似的區(qū)域C.深度學習中的全卷積網(wǎng)絡(luò)（FCN）在圖像分割中表現(xiàn)出色，能夠生成精確的分割結(jié)果D.圖像分割的結(jié)果總是清晰明確，不存在模糊或錯誤的邊界9、計算機視覺在農(nóng)業(yè)中的應用可以幫助監(jiān)測農(nóng)作物的生長狀況。假設(shè)要通過圖像分析判斷農(nóng)作物的病蟲害程度，以下關(guān)于農(nóng)業(yè)計算機視覺應用的描述，正確的是：（）A.僅依靠農(nóng)作物的顏色特征就能準確判斷病蟲害的程度B.不同農(nóng)作物品種和生長階段對病蟲害判斷的影響不大C.結(jié)合圖像的紋理、形狀和顏色等多特征，可以更準確地評估農(nóng)作物的健康狀況D.農(nóng)業(yè)環(huán)境的復雜性對計算機視覺的應用沒有挑戰(zhàn)10、在目標檢測中，YOLO（YouOnlyLookOnce）算法的特點是（）A.檢測速度快B.檢測精度高C.適用于小目標檢測D.對遮擋不敏感11、在計算機視覺的遙感圖像分析中，假設(shè)要從衛(wèi)星遙感圖像中提取土地利用信息，以下哪種技術(shù)可能對區(qū)分不同類型的土地覆蓋有幫助？（）A.高光譜分析B.紋理分析C.形狀分析D.以上都有可能12、在計算機視覺中，目標檢測是一項重要任務(wù)。假設(shè)我們要開發(fā)一個能夠在交通場景中檢測車輛的系統(tǒng)。如果圖像中的車輛存在多種姿態(tài)、大小和光照條件的變化，以下哪種目標檢測算法可能更適合應對這種復雜情況？（）A.基于傳統(tǒng)特征的檢測算法，如HOG特征結(jié)合SVM分類器B.基于深度學習的FasterR-CNN算法C.基于模板匹配的檢測算法D.基于顏色特征的檢測算法13、對于圖像的超分辨率重建任務(wù)，假設(shè)要將一張低分辨率的圖像恢復為高分辨率圖像，同時保留圖像的細節(jié)和清晰度。這張低分辨率圖像可能存在模糊和失真。以下哪種方法在處理這種情況時可能表現(xiàn)更好？（）A.基于插值的方法，如雙線性插值和雙三次插值B.基于深度學習的超分辨率重建模型，如SRCNNC.對低分辨率圖像進行簡單的銳化處理D.不進行任何處理，直接使用低分辨率圖像14、在計算機視覺的圖像生成任務(wù)中，假設(shè)要生成具有真實感的自然圖像。以下關(guān)于圖像生成方法的描述，正確的是：（）A.生成對抗網(wǎng)絡(luò)（GAN）能夠生成逼真的圖像，但訓練過程不穩(wěn)定，容易模式崩潰B.變分自編碼器（VAE）生成的圖像多樣性好，但真實感不如GAN生成的圖像C.自回歸模型在圖像生成中效率高，能夠快速生成高質(zhì)量的圖像D.所有的圖像生成方法都能夠生成與真實世界完全一致的圖像15、在計算機視覺中，以下哪種方法常用于圖像的顯著目標檢測中的高層語義信息利用？（）A.深度學習B.圖模型C.注意力機制D.以上都是二、簡答題（本大題共4個小題，共20分)1、（本題5分）簡述計算機視覺在無人駕駛中的障礙物檢測和路徑規(guī)劃。2、（本題5分）簡述計算機視覺在紡織業(yè)中的應用。3、（本題5分）描述計算機視覺在安防監(jiān)控中的作用。4、（本題5分）描述計算機視覺在影視制作中的應用。三、應用題（本大題共5個小題，共25分)1、（本題5分）利用深度學習算法，對不同種類的糕點圖像進行分類。2、（本題5分）運用計算機視覺技術(shù)，對飛機機身的表面缺陷進行檢測。3、（本題5分）基于計算機視覺的智能交通信號燈控制系統(tǒng)，根據(jù)實時交通流量調(diào)整信號燈時長。4、（本題5分）基于深度學習，實現(xiàn)對羽毛球比賽中發(fā)球是否違規(guī)的檢測。5、（本題5分）開發(fā)一個基于計算機視覺的手寫數(shù)字識別系統(tǒng)。四、分析題（本大題共4個小題，共40分)1、（本題10分）研究某品牌的產(chǎn)品包裝結(jié)構(gòu)設(shè)計，分析其如何在保護產(chǎn)品的同時，通過創(chuàng)新的結(jié)構(gòu)設(shè)計提升用戶的使用體驗和品牌形象。2、（本題10分）解析某食品品牌的外賣包裝設(shè)計，探討其如何通過色彩、圖形