《計(jì)算機(jī)視覺應(yīng)用開發(fā)》試題及答案B卷

第1頁(yè)共4頁(yè)《計(jì)算機(jī)視覺應(yīng)用開發(fā)》期末考試試題B卷（開卷）適用班級(jí)：人工智能2001/2002專業(yè)：人工智能技術(shù)服務(wù)考試時(shí)長(zhǎng)：120分鐘得分閱卷人得分閱卷人1．計(jì)算機(jī)視覺對(duì)待問題的解決方案的流程不包括（）A.圖像預(yù)處理B.建立模型C.提取特征D.模型優(yōu)化2．下列說法正確的是：（）A.單色位圖：每個(gè)像素最多可以表示2種顏色，只需要使用長(zhǎng)度為1的二進(jìn)制位來表示，因此每個(gè)像素占1/4B。B.16色位圖：每個(gè)像素最多可以表示16種顏色，所以只需要長(zhǎng)度為4的二進(jìn)制表示，因此每個(gè)像素占1/2B。C.16色位圖：每個(gè)像素最多可以表示16種顏色，所以只需要長(zhǎng)度為8的二進(jìn)制表示，因此每個(gè)像素占1/2B。D.256色位圖：每個(gè)像素最多可以表示256中顏色，所以只需要長(zhǎng)度為16的二進(jìn)制表示，因此每個(gè)像素占1B。3.下列哪種不是OpenCV中imread()的圖片讀取方式（）A.cv2.IMREAD_CHANGEDB.cv2.IMREAD_GRAYSCALEC.cv2.IMREAD_UNCHANGEDD.cv2.IMREAD_COLOR4.可以通過哪種命令來實(shí)現(xiàn)圖像的高斯濾波（）A.cv2.blur()B.cv2.GaussianBlur()C.cv2.medianBlur()D.cv2.bilateralFilter()5.下面哪個(gè)方法不屬于分類方法（）A.KNNB.SVMC.K-meansD.人工神經(jīng)網(wǎng)絡(luò)6.卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)順序?yàn)椋ǎ〢.conv->bn->ReLu->poolB.conv->bn->pool->ReLuC.conv->ReLu->bn->poolD.bn->conv->ReLu->pool7.隨著網(wǎng)絡(luò)深度的進(jìn)行，圖像的空間大小將越來越（），而通道數(shù)會(huì)越來越（）。A.大、小B.小、小C.小、大D.大、大8.下列不屬于two-stage目標(biāo)檢測(cè)算法的是（）YOLOB.R-CNNC.SPP-NetD.FastR-CNN9.下列哪個(gè)不屬于目標(biāo)檢測(cè)的指標(biāo)參數(shù)（）召回率誤檢數(shù)精確率檢測(cè)速度10.數(shù)據(jù)增強(qiáng)的作用描述正確的是？（）A.當(dāng)數(shù)據(jù)不足的時(shí)候用已有的訓(xùn)練樣本數(shù)據(jù)來生成更多的訓(xùn)練數(shù)據(jù)。B.當(dāng)數(shù)據(jù)不足的時(shí)候用已有的數(shù)據(jù)來生成更真實(shí)的數(shù)據(jù)樣本。C.用已有的數(shù)據(jù)來拓展數(shù)據(jù)的多樣性，從而增加數(shù)據(jù)副本。D.數(shù)據(jù)增強(qiáng)可以提高圖像的識(shí)別效率。11.下面哪個(gè)不屬于語(yǔ)義分割網(wǎng)絡(luò)？（ ）A．U-Net B．FCN C．CNN D．segnet12.下列說法不正確的是（）A.圖像風(fēng)格遷移屬于圖像生成任務(wù)B.gram矩陣可以度量?jī)蓚€(gè)圖像風(fēng)格的差異C.圖像的內(nèi)容損失可以通過均方誤差來表示D.VGG-19有19個(gè)卷積層13.下列關(guān)于說法不正確的是（）。A.DF值廣泛應(yīng)用于大規(guī)模語(yǔ)料的特征降維B.計(jì)算出每個(gè)特征的信息增益后，就可以移除那些信息量較低的特征C.互信息是指根據(jù)特征與類別的關(guān)聯(lián)程度來計(jì)算特征與類別的相關(guān)度D.當(dāng)對(duì)梁樣本平均數(shù)進(jìn)行比較時(shí)，可以采用卡方檢驗(yàn)14.下面屬于基于深度學(xué)習(xí)的超分辨率重建方法流程的是（）A.加載數(shù)據(jù)—構(gòu)造低分辨率圖像—搭建網(wǎng)絡(luò)映射到低分辨率字典—訓(xùn)練預(yù)測(cè)B.加載數(shù)據(jù)—搭建網(wǎng)絡(luò)映射到低分辨率字典—訓(xùn)練預(yù)測(cè)C.加載數(shù)據(jù)—搭建網(wǎng)絡(luò)映射到高分辨率字典—構(gòu)造低分辨率圖像—訓(xùn)練預(yù)測(cè)D.加載數(shù)據(jù)—構(gòu)造低分辨率圖像—搭建網(wǎng)絡(luò)映射到高分辨率字典—訓(xùn)練預(yù)測(cè)15.為了防止重建圖像過度平滑，SRGAN重新定義了損失函數(shù)，并將其命名為（）A.MSE損失B.感知損失C.內(nèi)容損失D.對(duì)抗損失得分閱卷人得分閱卷人1.顏色三通道就是通常所說的彩色圖，每個(gè)像素點(diǎn)由三個(gè)值表示圖像像素值由紅(0~255)、綠(0~255)、藍(lán)(0~255)疊加表示。（）2.均值濾波和高斯濾波都屬于線性濾波方式。（）3.使用的預(yù)訓(xùn)練模型是自然場(chǎng)景下的圖片訓(xùn)練的，目標(biāo)任務(wù)是人臉識(shí)別，可以使用微調(diào)預(yù)訓(xùn)練模型來實(shí)現(xiàn)目標(biāo)任務(wù)。（）4.通用目標(biāo)檢測(cè)核心是1(目標(biāo))+1(背景)=2分類問題。（）5.檢測(cè)器檢測(cè)出來的矩形框與任何人工標(biāo)注框的IoU都大于0.5，則認(rèn)為這個(gè)檢測(cè)結(jié)果是誤檢。（）6.有監(jiān)督圖像增強(qiáng)，其圖像來源是計(jì)算機(jī)通過某種方法自動(dòng)繪制而成的。（）7.標(biāo)準(zhǔn)語(yǔ)義分割（standardsemanticsegmentation）也稱為全像素語(yǔ)義分割，它是將每個(gè)像素分類為屬于對(duì)象類的過程。（）8.圖像分辨率是一組用于評(píng)估圖像中蘊(yùn)含細(xì)節(jié)信息豐富程度的性能參數(shù)。（）9.高分辨率圖像通常包含更大的像素密度、更豐富的紋理細(xì)節(jié)及更高的可信賴度。（）10.任何一幅特定的圖像都有唯一的直方圖與之對(duì)應(yīng)，但不同的圖像可以有相同的直方圖。（）得分閱卷人得分閱卷人1.OpenCV中閾值分割的方式分別為______、______、________、_________、______。2.在OpenCV中，可以使用__________函數(shù)來實(shí)現(xiàn)直方圖均衡化，返回值即為均衡化后的圖像。3.最簡(jiǎn)單的SVM通過在高維空間中尋找一個(gè)最優(yōu)線性分類面，對(duì)于特征向量x的決策函數(shù)為____________。4.激活函數(shù)的作用有________、________等。5.在利用深度學(xué)習(xí)做物體檢測(cè)之前，傳統(tǒng)算法對(duì)于目標(biāo)檢測(cè)通常分為3個(gè)階段：______、_______和________。6.使用下面命令cv2.cvtColor(img,______________)可將圖片轉(zhuǎn)換為灰度圖。7.decoder對(duì)縮小后的特征圖像進(jìn)行上采樣，然后對(duì)上采樣后的圖像進(jìn)行卷積處理，目的是完善物體的 ，從而彌補(bǔ)encoder中池化層將物體縮小造成的細(xì)節(jié)損失。8.多圖像超分辨率重建算法根據(jù)重建過程所在域不同可分為_________和_________。9.指識(shí)別自然場(chǎng)景圖片中的文字信息。自然場(chǎng)景圖像中的文字識(shí)別，其難度遠(yuǎn)大于掃描文檔圖像中的文字識(shí)別，因?yàn)樗奈淖终宫F(xiàn)形式極其豐富。10.是一類以序列數(shù)據(jù)為輸入，在序列的演進(jìn)方向進(jìn)行遞歸且所有節(jié)點(diǎn)（循環(huán)單元）按鏈?zhǔn)竭B接的遞歸神經(jīng)網(wǎng)絡(luò)。11.卷積操作使得 之間存在有位置上的連接關(guān)系。12.圖像分類方法大致分為兩類，___________和____________。13.人臉編碼中，使用到了face_recognition.face_encodings()函數(shù)，該函數(shù)的作用就是將加載的圖片轉(zhuǎn)換成一個(gè)維的包含人臉特征的數(shù)組。得分閱卷人得分閱卷人簡(jiǎn)述固定閾值分割、自適應(yīng)閾值分割和Otsu閾值分割的優(yōu)缺點(diǎn)及適用場(chǎng)景得分閱卷人得分閱卷人用numpy實(shí)現(xiàn)gram矩陣的計(jì)算。得分閱卷人得分閱卷人編寫一段程序,使用Haar聯(lián)檢器檢圖像中的人臉,并用矩形框標(biāo)注人臉位置。《計(jì)算機(jī)視覺應(yīng)用開發(fā)》期末考試試題B卷答題紙適用班級(jí)：人工智能2001/2002專業(yè)：人工智能技術(shù)服務(wù)得分閱卷人得分閱卷人1.2.3.4.5.6.7.8.9.10.11.12.13.14.15得分閱卷人得分閱卷人1.2.3.4.5.6.7.8.9.10.得分閱卷人得分閱卷人1.2.3.4.5.6.7.8.9.10.11.12.13.得分閱卷人得分閱卷人得分閱卷人得分閱卷人得分閱卷人得分閱卷人．《計(jì)算機(jī)視覺應(yīng)用開發(fā)》期末考試試題B卷答案適用班級(jí)：人工智能2001/2002專業(yè)：人工智能技術(shù)服務(wù)得分閱卷人得分閱卷人DBA4.B5.C6.A7.C8.A9.C10.A11.C12.C13.D14.A15.B得分閱卷人得分閱卷人1.對(duì)2.對(duì)3.錯(cuò)4.錯(cuò)5.錯(cuò)6.錯(cuò)7.對(duì)8.對(duì)9.對(duì)10.對(duì)得分閱卷人得分閱卷人cv2.THRESH_BINARY、cv2.THRESH_BINARY_INV、cv2.THRESH_TRUNC、cv2.THRESH_TOZERO、cv2.THRESH_TOZERO_INVcv2.equalizeHist()3.4.增加模型的非線性分割能力、提高模型魯棒性、緩解梯度消失問題、加速模型收斂（任選兩種）5.區(qū)域選取、特征提取、體征分類6.cv2.COLOR_BGR2GRAY7.幾何形狀8.頻域法、空域法9.OCR10.RNN（RecurrentNeuralNetwork）循環(huán)神經(jīng)網(wǎng)絡(luò)11.輸入值和輸出值12.基于傳統(tǒng)的分類方法基于深度學(xué)習(xí)的分類方法13.128得分閱卷人得分閱卷人固定閾值化分割優(yōu)點(diǎn)：實(shí)現(xiàn)簡(jiǎn)單、計(jì)算量小、性能較穩(wěn)定。缺點(diǎn)：將整幅圖片都應(yīng)用一個(gè)閾值進(jìn)行分割，它并不適用于明暗分布不均的圖片，適用于目標(biāo)和背景占據(jù)不同灰度級(jí)范圍的圖像。自適應(yīng)閾值分割優(yōu)點(diǎn)：圖片的每個(gè)局部都會(huì)通過處理得到一個(gè)閾值，這個(gè)區(qū)域就用這個(gè)閾值來進(jìn)行分割。每個(gè)區(qū)域都有不同的閾值來處理，這樣就適用于處理顏色分布不均的圖片。缺點(diǎn)：實(shí)現(xiàn)較為復(fù)雜適用于明暗分布不均的圖片Otsu閾值分割優(yōu)點(diǎn)：其算法計(jì)算簡(jiǎn)單，不受圖像亮度和對(duì)比度的影響。缺點(diǎn)：只能針對(duì)單一目標(biāo)分割或者感興趣的目標(biāo)都屬于同一灰度范圍主要用于圖像分割中最優(yōu)閾值選取得分閱卷人得分閱卷人importnumpyasnpdefgram(X,Y,sigma):f=np.sum(X**2,1,keepdims=True)-2*X@Y.T+np.sum(Y**2,1,keepdims=True).Treturnnp.exp(-f/(2*sigma**2))得分閱卷人得分閱卷人參考代碼：importcv2importnumpyasnpimportmatplotlib.pyplotasplt#打開輸入圖像img=cv2.imread("test.png")#轉(zhuǎn)換為灰度圖片gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)#獲取XML文件，加載人臉檢測(cè)器faceCascade=cv2.CascadeClassifier('haarcascade_frontalface_default.xml')#執(zhí)行人臉檢測(cè)faces=f