江蘇醫(yī)藥職業(yè)學(xué)院《設(shè)計(jì)表現(xiàn)技法》2023-2024學(xué)年第一學(xué)期期末試卷

站名：站名：年級(jí)專(zhuān)業(yè)：姓名：學(xué)號(hào)：凡年級(jí)專(zhuān)業(yè)、姓名、學(xué)號(hào)錯(cuò)寫(xiě)、漏寫(xiě)或字跡不清者，成績(jī)按零分記?！堋狻€(xiàn)…………第1頁(yè)，共1頁(yè)江蘇醫(yī)藥職業(yè)學(xué)院《設(shè)計(jì)表現(xiàn)技法》

2023-2024學(xué)年第一學(xué)期期末試卷題號(hào)一二三四總分得分批閱人一、單選題（本大題共20個(gè)小題，每小題1分，共20分．在每小題給出的四個(gè)選項(xiàng)中，只有一項(xiàng)是符合題目要求的．）1、在計(jì)算機(jī)視覺(jué)的圖像分類(lèi)任務(wù)中，假設(shè)要處理類(lèi)別不均衡的數(shù)據(jù)集，即某些類(lèi)別的樣本數(shù)量遠(yuǎn)遠(yuǎn)少于其他類(lèi)別。以下關(guān)于處理類(lèi)別不均衡的方法描述，正確的是：（）A.直接使用傳統(tǒng)的分類(lèi)算法，類(lèi)別不均衡不會(huì)對(duì)結(jié)果產(chǎn)生明顯影響B(tài).過(guò)采樣少數(shù)類(lèi)別的樣本可以增加其數(shù)量，但可能導(dǎo)致過(guò)擬合C.欠采樣多數(shù)類(lèi)別的樣本能夠平衡數(shù)據(jù)集，但會(huì)丟失部分有用信息D.類(lèi)別不均衡問(wèn)題無(wú)法通過(guò)數(shù)據(jù)處理方法解決，只能通過(guò)改進(jìn)分類(lèi)算法來(lái)應(yīng)對(duì)2、在進(jìn)行圖像配準(zhǔn)（ImageRegistration）時(shí)，即對(duì)齊兩幅或多幅圖像，假設(shè)我們要將不同時(shí)間拍攝的同一地區(qū)的衛(wèi)星圖像進(jìn)行配準(zhǔn)，由于地形變化和拍攝角度的差異，以下哪個(gè)因素可能對(duì)配準(zhǔn)精度產(chǎn)生最大影響？（）A.圖像的分辨率B.選擇的特征點(diǎn)數(shù)量C.圖像的灰度值D.地理坐標(biāo)信息的準(zhǔn)確性3、計(jì)算機(jī)視覺(jué)在虛擬現(xiàn)實(shí)（VR）和增強(qiáng)現(xiàn)實(shí)（AR）中有著重要的應(yīng)用。假設(shè)要在VR游戲中實(shí)現(xiàn)真實(shí)的場(chǎng)景交互。以下關(guān)于計(jì)算機(jī)視覺(jué)在VR/AR中的描述，哪一項(xiàng)是不正確的？（）A.可以通過(guò)對(duì)用戶(hù)的動(dòng)作和姿態(tài)進(jìn)行識(shí)別，實(shí)現(xiàn)自然的交互操作B.能夠?qū)⑻摂M物體與真實(shí)場(chǎng)景進(jìn)行準(zhǔn)確的融合和匹配C.計(jì)算機(jī)視覺(jué)技術(shù)可以提高VR/AR體驗(yàn)的沉浸感和真實(shí)感D.VR/AR中的計(jì)算機(jī)視覺(jué)應(yīng)用不存在任何技術(shù)挑戰(zhàn)和限制4、在計(jì)算機(jī)視覺(jué)的目標(biāo)識(shí)別任務(wù)中，假設(shè)要識(shí)別不同種類(lèi)的水果。以下關(guān)于應(yīng)對(duì)類(lèi)內(nèi)差異和類(lèi)間相似性的策略，哪一項(xiàng)是不正確的？（）A.增加訓(xùn)練數(shù)據(jù)的多樣性，包括不同角度、大小和成熟度的水果B.提取更具區(qū)分性的特征，減少類(lèi)內(nèi)差異和類(lèi)間相似性的影響C.降低模型的復(fù)雜度，避免過(guò)度擬合類(lèi)內(nèi)差異和類(lèi)間相似性D.忽略類(lèi)內(nèi)差異和類(lèi)間相似性，依靠模型的自動(dòng)適應(yīng)能力5、計(jì)算機(jī)視覺(jué)中的語(yǔ)義分割任務(wù)旨在為圖像中的每個(gè)像素分配一個(gè)類(lèi)別標(biāo)簽。假設(shè)要對(duì)醫(yī)學(xué)圖像中的病變區(qū)域進(jìn)行精確分割，以下哪種技術(shù)可能對(duì)提高分割精度有較大幫助？（）A.使用更深的卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)B.引入多尺度特征融合C.增加訓(xùn)練數(shù)據(jù)中的噪聲D.減少網(wǎng)絡(luò)中的參數(shù)數(shù)量6、在計(jì)算機(jī)視覺(jué)的動(dòng)作識(shí)別任務(wù)中，區(qū)分不同的人體動(dòng)作。假設(shè)要從一段視頻中識(shí)別出一個(gè)人是在跑步還是走路，以下關(guān)于動(dòng)作識(shí)別方法的描述，正確的是：（）A.基于骨架信息的動(dòng)作識(shí)別方法對(duì)人體姿態(tài)的微小變化不敏感B.只考慮動(dòng)作的空間特征就能準(zhǔn)確識(shí)別不同的動(dòng)作C.融合時(shí)空特征和深度學(xué)習(xí)模型能夠提升動(dòng)作識(shí)別的準(zhǔn)確率D.動(dòng)作識(shí)別的結(jié)果不受視頻拍攝角度和背景干擾的影響7、計(jì)算機(jī)視覺(jué)中的紋理分析用于描述圖像中重復(fù)出現(xiàn)的模式和結(jié)構(gòu)。假設(shè)要對(duì)一塊布料的紋理進(jìn)行分析，以判斷其材質(zhì)和質(zhì)量，同時(shí)布料可能存在褶皺和變形。以下哪種紋理分析方法在處理這種復(fù)雜情況時(shí)更為準(zhǔn)確？（）A.統(tǒng)計(jì)紋理分析B.結(jié)構(gòu)紋理分析C.基于模型的紋理分析D.基于深度學(xué)習(xí)的紋理分析8、計(jì)算機(jī)視覺(jué)在體育賽事分析中的應(yīng)用可以提供更深入的比賽洞察。假設(shè)要分析一場(chǎng)足球比賽中球員的跑位和傳球模式，以下關(guān)于體育賽事計(jì)算機(jī)視覺(jué)應(yīng)用的描述，正確的是：（）A.僅依靠球員的位置信息就能全面分析比賽中的戰(zhàn)術(shù)和策略B.球員的速度和加速度等動(dòng)態(tài)信息對(duì)比賽分析的價(jià)值不大C.結(jié)合深度學(xué)習(xí)和軌跡分析技術(shù)可以更有效地挖掘比賽中的關(guān)鍵模式和趨勢(shì)D.比賽場(chǎng)地的光照和攝像機(jī)視角對(duì)計(jì)算機(jī)視覺(jué)分析的結(jié)果沒(méi)有影響9、計(jì)算機(jī)視覺(jué)在無(wú)人駕駛飛行器（UAV）中的應(yīng)用可以實(shí)現(xiàn)自主導(dǎo)航和環(huán)境感知。假設(shè)一個(gè)UAV需要在復(fù)雜的環(huán)境中飛行并避開(kāi)障礙物。以下關(guān)于計(jì)算機(jī)視覺(jué)在UAV中的描述，哪一項(xiàng)是錯(cuò)誤的？（）A.可以通過(guò)視覺(jué)傳感器獲取周?chē)h(huán)境的信息，包括地形、建筑物和其他障礙物B.能夠?qū)崟r(shí)分析圖像，計(jì)算與障礙物的距離和相對(duì)速度，為飛行決策提供依據(jù)C.計(jì)算機(jī)視覺(jué)在UAV中的應(yīng)用完全不需要與其他傳感器（如慣性測(cè)量單元）的數(shù)據(jù)融合D.可以利用深度學(xué)習(xí)算法進(jìn)行端到端的飛行控制，實(shí)現(xiàn)自主飛行10、在計(jì)算機(jī)視覺(jué)的圖像檢索任務(wù)中，假設(shè)要從一個(gè)大型圖像數(shù)據(jù)庫(kù)中快速找到與給定查詢(xún)圖像相似的圖像。這些圖像可能在內(nèi)容、風(fēng)格和主題上存在差異。為了提高檢索的效率和準(zhǔn)確性，以下哪種方法通常被采用？（）A.基于全局特征的圖像表示和相似性度量B.只對(duì)圖像的標(biāo)簽進(jìn)行文本匹配，忽略圖像內(nèi)容C.隨機(jī)選擇數(shù)據(jù)庫(kù)中的圖像作為檢索結(jié)果D.不進(jìn)行任何預(yù)處理，直接在原始圖像上進(jìn)行檢索11、計(jì)算機(jī)視覺(jué)中的目標(biāo)跟蹤是指在視頻序列中持續(xù)跟蹤特定目標(biāo)。假設(shè)要跟蹤一個(gè)在復(fù)雜場(chǎng)景中運(yùn)動(dòng)的人物，以下關(guān)于目標(biāo)跟蹤算法的描述，正確的是：（）A.基于卡爾曼濾波的跟蹤算法能夠準(zhǔn)確預(yù)測(cè)目標(biāo)的運(yùn)動(dòng)軌跡，但對(duì)目標(biāo)外觀變化適應(yīng)性差B.基于粒子濾波的跟蹤算法計(jì)算復(fù)雜度低，適用于實(shí)時(shí)跟蹤要求高的場(chǎng)景C.基于深度學(xué)習(xí)的跟蹤算法需要大量的訓(xùn)練數(shù)據(jù)，并且在目標(biāo)被遮擋時(shí)容易丟失D.目標(biāo)跟蹤算法只要在初始幀中準(zhǔn)確檢測(cè)到目標(biāo)，就能夠在后續(xù)幀中一直保持跟蹤的準(zhǔn)確性12、在計(jì)算機(jī)視覺(jué)的實(shí)際應(yīng)用中，光照變化會(huì)對(duì)圖像的處理和分析產(chǎn)生影響。以下關(guān)于光照變化的描述，不正確的是（）A.光照變化可能導(dǎo)致圖像的亮度、對(duì)比度和顏色發(fā)生改變，增加了圖像處理的難度B.一些預(yù)處理技術(shù)，如直方圖均衡化，可以在一定程度上減輕光照變化的影響C.深度學(xué)習(xí)模型能夠自動(dòng)適應(yīng)各種光照變化，無(wú)需進(jìn)行額外的處理D.光照變化對(duì)于目標(biāo)檢測(cè)和跟蹤等任務(wù)的準(zhǔn)確性可能會(huì)產(chǎn)生較大的影響13、在計(jì)算機(jī)視覺(jué)的醫(yī)學(xué)影像分析中，例如對(duì)腫瘤的檢測(cè)和分割，需要高精度和可靠性。假設(shè)我們有一組磁共振成像（MRI）數(shù)據(jù)，以下哪種技術(shù)能夠有效地輔助醫(yī)生進(jìn)行準(zhǔn)確的診斷和治療規(guī)劃？（）A.基于傳統(tǒng)圖像處理的方法B.基于深度學(xué)習(xí)的分割網(wǎng)絡(luò)，結(jié)合多模態(tài)數(shù)據(jù)C.基于聚類(lèi)和分類(lèi)的方法D.基于形態(tài)學(xué)操作和閾值分割的方法14、在計(jì)算機(jī)視覺(jué)的目標(biāo)跟蹤任務(wù)中，持續(xù)跟蹤視頻中的特定目標(biāo)。假設(shè)要跟蹤一個(gè)在人群中行走的人，以下關(guān)于目標(biāo)跟蹤方法的描述，哪一項(xiàng)是不正確的？（）A.基于濾波的方法，如卡爾曼濾波和粒子濾波，可以預(yù)測(cè)目標(biāo)的位置和狀態(tài)B.基于深度學(xué)習(xí)的方法能夠?qū)W習(xí)目標(biāo)的外觀特征，提高跟蹤的準(zhǔn)確性和魯棒性C.目標(biāo)跟蹤過(guò)程中，目標(biāo)的外觀變化、遮擋和背景干擾等因素不會(huì)對(duì)跟蹤結(jié)果產(chǎn)生影響D.結(jié)合多種特征和算法的融合跟蹤方法，可以綜合利用不同方法的優(yōu)勢(shì)，提高跟蹤性能15、計(jì)算機(jī)視覺(jué)中的光流估計(jì)用于計(jì)算圖像中像素的運(yùn)動(dòng)信息。假設(shè)我們要分析一個(gè)視頻中物體的運(yùn)動(dòng)速度和方向，以下哪種光流估計(jì)算法在復(fù)雜場(chǎng)景下能夠提供更準(zhǔn)確的結(jié)果？（）A.Lucas-Kanade算法B.Horn-Schunck算法C.Farneback算法D.DeepFlow算法16、當(dāng)進(jìn)行圖像的風(fēng)格遷移任務(wù)時(shí)，假設(shè)要將一張照片的風(fēng)格轉(zhuǎn)換為著名繪畫(huà)的風(fēng)格，同時(shí)保留照片的內(nèi)容結(jié)構(gòu)。以下哪種方法在實(shí)現(xiàn)這一目標(biāo)時(shí)可能更有效？（）A.使用基于卷積神經(jīng)網(wǎng)絡(luò)的風(fēng)格遷移算法，如Gatys等人提出的方法B.對(duì)圖像進(jìn)行簡(jiǎn)單的色彩變換和濾鏡處理C.隨機(jī)改變圖像的像素值來(lái)模擬風(fēng)格遷移D.只對(duì)圖像的邊緣進(jìn)行處理，忽略?xún)?nèi)部區(qū)域17、計(jì)算機(jī)視覺(jué)中的特征提取是非常關(guān)鍵的步驟。假設(shè)要從一組圖像中提取具有代表性的特征，以下關(guān)于特征提取方法的描述，正確的是：（）A.手工設(shè)計(jì)的特征，如SIFT和HOG，在任何情況下都比深度學(xué)習(xí)自動(dòng)學(xué)習(xí)的特征更有效B.深度學(xué)習(xí)中的卷積神經(jīng)網(wǎng)絡(luò)能夠自動(dòng)學(xué)習(xí)到圖像的多層次特征，具有很強(qiáng)的表達(dá)能力C.特征提取的結(jié)果對(duì)后續(xù)的圖像分類(lèi)和目標(biāo)檢測(cè)任務(wù)沒(méi)有影響D.特征提取只需要考慮圖像的局部信息，全局信息不重要18、在計(jì)算機(jī)視覺(jué)的場(chǎng)景理解任務(wù)中，需要理解整個(gè)圖像的語(yǔ)義信息。假設(shè)要分析一張城市街道的圖像中包含的物體和它們之間的關(guān)系，以下關(guān)于場(chǎng)景理解方法的描述，正確的是：（）A.單獨(dú)對(duì)圖像中的每個(gè)物體進(jìn)行識(shí)別和分類(lèi)就能實(shí)現(xiàn)場(chǎng)景理解B.忽略圖像中的上下文信息和空間布局對(duì)場(chǎng)景理解沒(méi)有影響C.利用深度學(xué)習(xí)中的語(yǔ)義分割和圖模型可以更好地理解場(chǎng)景的結(jié)構(gòu)和語(yǔ)義關(guān)系D.場(chǎng)景理解只適用于簡(jiǎn)單的室內(nèi)場(chǎng)景，對(duì)于復(fù)雜的戶(hù)外場(chǎng)景無(wú)法處理19、計(jì)算機(jī)視覺(jué)中的圖像修復(fù)是填補(bǔ)圖像中的缺失或損壞部分。假設(shè)我們有一張老照片，其中部分區(qū)域被損壞，需要進(jìn)行修復(fù)。以下哪種圖像修復(fù)方法能夠生成自然、合理的內(nèi)容，與周?chē)鷧^(qū)域融合良好？（）A.基于紋理合成的修復(fù)方法B.基于插值和填充的修復(fù)方法C.基于深度學(xué)習(xí)的圖像修復(fù)網(wǎng)絡(luò)，如ContextEncoderD.基于圖像分解和重構(gòu)的修復(fù)方法20、計(jì)算機(jī)視覺(jué)中的光流計(jì)算用于估計(jì)圖像中像素的運(yùn)動(dòng)。假設(shè)要分析一段視頻中物體的運(yùn)動(dòng)速度和方向。以下關(guān)于光流計(jì)算的描述，哪一項(xiàng)是不準(zhǔn)確的？（）A.可以通過(guò)比較連續(xù)幀之間的像素差異來(lái)計(jì)算光流B.光流計(jì)算能夠?yàn)橐曨l中的目標(biāo)跟蹤和行為分析提供重要信息C.無(wú)論視頻的幀率和分辨率如何，光流計(jì)算都能準(zhǔn)確地估計(jì)像素運(yùn)動(dòng)D.深度學(xué)習(xí)方法也被應(yīng)用于光流計(jì)算，提高了計(jì)算的準(zhǔn)確性和效率二、簡(jiǎn)答題（本大題共5個(gè)小題，共25分)1、（本題5分）說(shuō)明計(jì)算機(jī)視覺(jué)在交通監(jiān)控中的作用。2、（本題5分）解釋計(jì)算機(jī)視覺(jué)中的圖像檢索技術(shù)。3、（本題5分）說(shuō)明計(jì)算機(jī)視覺(jué)在情報(bào)分析中的作用。4、（本題5分）說(shuō)明計(jì)算機(jī)視覺(jué)在智能家居中的應(yīng)用。5、（本題5分）解釋計(jì)算機(jī)視覺(jué)中的深度估計(jì)概念。三、分析題（本大題共5個(gè)小題，共25分)1、（本題5分）以某音樂(lè)節(jié)的電子音樂(lè)專(zhuān)場(chǎng)宣傳海報(bào)設(shè)計(jì)為例，分析其電子音樂(lè)元素、DJ陣容介紹、現(xiàn)場(chǎng)氛圍營(yíng)造如何吸引電子音樂(lè)愛(ài)好者參加。2、（本題5分）某城市馬拉松比賽的宣傳海報(bào)以奔跑的人群和城市風(fēng)景為主題。請(qǐng)分析海報(bào)在激發(fā)參賽熱情、宣傳城市形象、吸引贊助商方面的手法和成效，以及如何根據(jù)不同城市的特色進(jìn)行設(shè)計(jì)。3、（本題5分）研究某藝術(shù)學(xué)院的國(guó)際交流項(xiàng)目宣傳海報(bào)設(shè)計(jì)，分析其國(guó)外院校合作、學(xué)習(xí)機(jī)會(huì)展示、文化交流氛圍如何吸引學(xué)生報(bào)名。4、（本題5分）解析某科技公司的科技產(chǎn)品用戶(hù)手冊(cè)設(shè)計(jì)，探討其如何通過(guò)視覺(jué)元