天津開發(fā)區(qū)職業(yè)技術(shù)學院《建筑速寫》2023-2024學年第二學期期末試卷

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頁天津開發(fā)區(qū)職業(yè)技術(shù)學院

《建筑速寫》2023-2024學年第二學期期末試卷題號一二三四總分得分批閱人一、單選題（本大題共15個小題，每小題2分，共30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、計算機視覺在文物保護和修復中的應用逐漸增多。假設要對一幅古老的繪畫進行數(shù)字化修復和增強，以下關(guān)于顏色恢復的挑戰(zhàn)，哪一項是最為顯著的？（）A.由于年代久遠，原畫作的顏色信息缺失嚴重B.不同區(qū)域的顏色褪色程度不一致，難以統(tǒng)一恢復C.缺乏對原畫作創(chuàng)作時所用顏料的了解，難以準確還原顏色D.修復過程中可能引入新的顏色偏差，影響修復效果2、在計算機視覺的動作識別任務中，區(qū)分不同的人體動作。假設要從一段視頻中識別出一個人是在跑步還是走路，以下關(guān)于動作識別方法的描述，正確的是：（）A.基于骨架信息的動作識別方法對人體姿態(tài)的微小變化不敏感B.只考慮動作的空間特征就能準確識別不同的動作C.融合時空特征和深度學習模型能夠提升動作識別的準確率D.動作識別的結(jié)果不受視頻拍攝角度和背景干擾的影響3、在計算機視覺的行人重識別任務中，假設要在多個攝像頭拍攝的畫面中找到同一個行人。以下關(guān)于特征融合的方法，哪一項是不太合理的？（）A.將行人的外觀特征和步態(tài)特征進行融合B.簡單地將不同特征進行拼接，不考慮權(quán)重分配C.根據(jù)特征的重要性為其分配不同的權(quán)重進行融合D.利用深度學習模型自動學習特征的融合方式4、在計算機視覺的視頻分析中，假設要對一段監(jiān)控視頻中的異常行為進行檢測。以下關(guān)于特征提取的方法，哪一項是不太適合的？（）A.提取每一幀圖像的顏色、紋理等低級特征B.利用光流信息來捕捉物體的運動特征C.僅分析視頻的音頻信息，忽略圖像內(nèi)容D.結(jié)合時空特征，同時考慮空間和時間維度的信息5、計算機視覺中的姿態(tài)估計任務是估計人體或物體在三維空間中的姿態(tài)。假設要估計一個人體模特的姿態(tài)。以下關(guān)于姿態(tài)估計的描述，哪一項是不正確的？（）A.可以通過關(guān)鍵點檢測和關(guān)節(jié)角度計算來估計人體姿態(tài)B.深度學習中的卷積神經(jīng)網(wǎng)絡可以直接預測人體姿態(tài)的參數(shù)C.姿態(tài)估計在虛擬現(xiàn)實和增強現(xiàn)實等應用中具有重要作用D.姿態(tài)估計的結(jié)果總是非常準確，不受人體遮擋和復雜動作的影響6、在計算機視覺的圖像超分辨率任務中，假設要將一張低分辨率圖像恢復為高分辨率圖像。以下關(guān)于圖像超分辨率方法的描述，正確的是：（）A.基于插值的方法簡單快速，但恢復出的圖像細節(jié)不夠清晰B.基于深度學習的方法能夠生成逼真的高分辨率圖像，但需要大量的訓練數(shù)據(jù)和計算資源C.圖像超分辨率技術(shù)可以無限制地提高圖像的分辨率，不受硬件限制D.所有的圖像超分辨率方法都能夠完全恢復出原始高分辨率圖像的所有信息7、計算機視覺在文物保護和修復中具有潛在應用。假設要對一件受損的古代書畫進行數(shù)字化修復，以下關(guān)于計算機視覺在文物保護中的作用的描述，哪一項是不正確的？（）A.可以通過圖像增強和去噪技術(shù)改善書畫的視覺效果B.利用圖像匹配和拼接技術(shù)還原殘缺的部分C.計算機視覺技術(shù)能夠完全恢復文物的原始狀態(tài)，使其與未受損時一模一樣D.為文物修復專家提供輔助決策和參考依據(jù)8、在計算機視覺中，圖像分類是一項基礎(chǔ)任務。假設我們有一組包含各種動物的圖像數(shù)據(jù)集，需要訓練一個模型來準確區(qū)分不同的動物類別。在選擇圖像分類模型時，以下哪種模型架構(gòu)通常在處理大規(guī)模圖像數(shù)據(jù)集時表現(xiàn)出色？（）A.傳統(tǒng)的機器學習算法，如支持向量機（SVM）B.淺層的卷積神經(jīng)網(wǎng)絡（CNN）C.深度卷積神經(jīng)網(wǎng)絡，如ResNetD.循環(huán)神經(jīng)網(wǎng)絡（RNN）9、計算機視覺在農(nóng)業(yè)領(lǐng)域的應用可以幫助實現(xiàn)精準農(nóng)業(yè)。假設一個農(nóng)場需要通過計算機視覺監(jiān)測農(nóng)作物的生長狀況。以下關(guān)于計算機視覺在農(nóng)業(yè)中的描述，哪一項是錯誤的？（）A.可以檢測農(nóng)作物的病蟲害，及時采取防治措施B.能夠評估農(nóng)作物的生長階段和成熟度，指導收獲時間C.計算機視覺在農(nóng)業(yè)中的應用完全不受天氣和光照條件的影響D.可以通過無人機搭載攝像頭進行大面積的農(nóng)田監(jiān)測10、在計算機視覺的圖像檢索任務中，假設要從海量的圖像庫中快速找到與給定圖像相似的圖像。以下關(guān)于圖像特征表示的選擇，哪一項是需要重點考慮的？（）A.選擇具有高維度的特征向量，包含豐富的圖像信息B.采用低維度但具有區(qū)分性的特征表示，提高檢索效率C.忽略特征的維度和區(qū)分性，隨機選擇一種特征表示D.只使用圖像的顏色特征，忽略形狀和紋理等特征11、計算機視覺中的光流計算用于估計圖像中像素的運動。假設要在一個動態(tài)場景中準確計算光流，以下哪種情況可能導致較大的誤差？（）A.物體的快速運動B.光照的劇烈變化C.圖像的低分辨率D.以上都有可能12、假設我們要開發(fā)一個計算機視覺系統(tǒng)，用于檢測生產(chǎn)線上產(chǎn)品的表面缺陷。由于產(chǎn)品的種類繁多、缺陷類型復雜，以下哪種方法可能需要更多的計算資源和時間來訓練模型？（）A.基于傳統(tǒng)機器學習的方法B.基于淺層神經(jīng)網(wǎng)絡的方法C.基于深度學習的方法D.基于模板匹配的方法13、計算機視覺中的人臉檢測和識別是熱門研究方向。假設要在一個大規(guī)模的人臉數(shù)據(jù)庫中進行快速準確的人臉識別，以下哪種特征提取方法可能更具優(yōu)勢？（）A.基于幾何特征的方法B.基于局部二值模式（LBP）的方法C.基于深度學習的方法D.基于主成分分析（PCA）的方法14、計算機視覺是一門研究如何讓計算機從圖像或視頻中獲取信息和理解內(nèi)容的學科。在計算機視覺的應用中，目標檢測是一項重要任務。以下關(guān)于目標檢測的描述，不準確的是（）A.目標檢測能夠準確識別圖像或視頻中特定類別的物體，并確定其位置和大小B.深度學習技術(shù)的發(fā)展極大地提高了目標檢測的準確性和效率C.目標檢測只適用于靜態(tài)圖像，對于動態(tài)視頻的處理效果不佳D.目標檢測在自動駕駛、安防監(jiān)控和工業(yè)檢測等領(lǐng)域有著廣泛的應用15、計算機視覺中的姿態(tài)估計是指確定物體在三維空間中的位置和方向。以下關(guān)于姿態(tài)估計的說法，錯誤的是（）A.姿態(tài)估計可以通過單目相機、雙目相機或深度相機來實現(xiàn)B.基于深度學習的方法在姿態(tài)估計任務中表現(xiàn)出了較高的精度C.姿態(tài)估計在機器人操作、增強現(xiàn)實等領(lǐng)域有著重要的應用價值D.姿態(tài)估計的結(jié)果總是非常精確，不受物體形狀和遮擋的影響二、簡答題（本大題共3個小題，共15分)1、（本題5分）計算機視覺中如何進行礦井安全監(jiān)控？2、（本題5分）簡述圖像的邊緣檢測算法。3、（本題5分）解釋計算機視覺中的人群密度估計任務。三、應用題（本大題共5個小題，共25分)1、（本題5分）設計一個系統(tǒng)，利用計算機視覺檢測電影院內(nèi)觀眾是否遵守觀影秩序。2、（本題5分）開發(fā)一個能夠識別不同國家國旗的應用。3、（本題5分）運用計算機視覺技術(shù)，對飛機發(fā)動機的零部件進行缺陷檢測。4、（本題5分）基于計算機視覺的智能安防監(jiān)控系統(tǒng)，實時檢測異常人員和行為。5、（本題5分）使用計算機視覺方法，檢測景區(qū)出入口的人流量。四、分析題（本大題共3個小題，共30分)1、（本題10分）分析某音樂節(jié)的周邊產(chǎn)品設計