《計(jì)算機(jī)視覺(jué)應(yīng)用開(kāi)發(fā)》試卷及答案 AB卷

第1頁(yè)共4頁(yè)《計(jì)算機(jī)視覺(jué)應(yīng)用開(kāi)發(fā)》期末考試試題A卷（開(kāi)卷）適用班級(jí)：人工智能2001/2002專(zhuān)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.以下說(shuō)法不正確的是：（）A.OpenCV是一個(gè)跨平臺(tái)計(jì)算機(jī)視覺(jué)和機(jī)器學(xué)習(xí)軟件庫(kù)B.OpenCV用C++語(yǔ)言編寫(xiě)C.OpenCV實(shí)現(xiàn)了圖像處理和計(jì)算機(jī)視覺(jué)方面的很多通用算法D.OpenCV不支持Linux系統(tǒng)2．opencv畫(huà)矩形使用的方法是：（）A.cv2.line()B.cv2.rectangle()C.cv2.circle()D.cv2.ellipse()3.OpenCV中用于實(shí)現(xiàn)中值濾波的函數(shù)是（）A.blur()B.boxFilter()C.medianBlur()D.filter2D()4.神經(jīng)網(wǎng)絡(luò)的基本三層結(jié)構(gòu)不包括（）A.輸入層B.輸出層C.隱藏層D.卷積層5.下面關(guān)于卷積層，激活層以及池化層說(shuō)法不正確的是（）A.卷積運(yùn)算的目的是提取輸入的不同特征，不同的卷積層提取的特征不同。B.激活層通過(guò)設(shè)置激活函數(shù)來(lái)增加線(xiàn)性分割能力,一般在卷積層與池化層之間的激活函數(shù)通常為relu。C.池化層減少學(xué)習(xí)參數(shù)，降低網(wǎng)絡(luò)的復(fù)雜度，也叫下采樣層。D.池化層常用的有平均池化和最大池化。6.下面關(guān)于卷積網(wǎng)絡(luò)說(shuō)法正確的是（）A.整個(gè)臉型屬于淺層卷積提取基礎(chǔ)特征。B.邊緣屬于深層卷積提取抽象特征。C.輪廓屬于深層卷積提取抽象特征。D.全連接層根據(jù)特征組合進(jìn)行評(píng)分分類(lèi)7.區(qū)域選取通常使用()算法。A.one-stage目標(biāo)檢測(cè)B.two-stage目標(biāo)檢測(cè)C.滑動(dòng)窗口（SlidingWindows）D.邏輯回歸（Logisticregression）8．以下說(shuō)法不正確的是（）A.COCO數(shù)據(jù)集有81個(gè)類(lèi)別B.OpenCV人臉檢測(cè)是基于Haar特征實(shí)現(xiàn)的C.dlib人臉檢測(cè)是基于Hog特征D.評(píng)價(jià)人臉檢測(cè)效果的好壞，常用三個(gè)指標(biāo)：召回率，誤檢數(shù)和檢測(cè)速度。9.下面哪個(gè)操作不屬于基本圖像增強(qiáng)操作？（）A．裁剪B．增加噪聲C．加大圖片尺寸D．提高亮度10.目前主流的語(yǔ)義分割網(wǎng)絡(luò)一般是遵循：（）A.下采樣，上采樣，特征融合 B.上采樣，下采樣，特征融合C.下采樣，上采樣，圖像融合 D.上采樣，下采樣，圖像融合11.以下那部分代碼是正確引用VGG19模塊的（）。A.fromkeras.applications.vgg19importVGG19B.fromkeras.modelsimportModeC.fromkeras.applications.vgg19importpreprocess_inputD.fromkeras.preprocessingimportimage12.關(guān)于TF-IDF算法說(shuō)法不正確的是（）。A.TF算法和IDF算法可以單獨(dú)使用B.IDF的大小與詞語(yǔ)的常見(jiàn)程度成正比C.TF算法權(quán)衡詞出現(xiàn)的頻率，不考慮詞語(yǔ)對(duì)文檔的區(qū)分能力D.TF-IDF算法，從詞頻、逆文檔頻率兩個(gè)角度對(duì)詞語(yǔ)的重要性進(jìn)行衡量13.基于機(jī)器學(xué)習(xí)的情感分析方法本質(zhì)是一個(gè)分類(lèi)問(wèn)題，該方法使用的經(jīng)典分類(lèi)模型不包括（）。A.支持向量機(jī)B.樸素貝葉斯C.卡爾曼濾波D.最大熵模型14.下面不屬于基于插值的超分辨率重建方法步驟的是（）A.圖像重建B.上采樣C.圖像配準(zhǔn)D.圖像池化15.場(chǎng)景文字識(shí)別相比于普通文字識(shí)別的不同，描述錯(cuò)誤的是（）A.文本行可能有橫向、豎向、彎曲、旋轉(zhuǎn)、扭曲等式樣B.圖像中的文字區(qū)域還可能會(huì)產(chǎn)生變形(透視、仿射變換)、殘缺、模糊等現(xiàn)象C.場(chǎng)景圖像中的文字內(nèi)容與普通文字識(shí)別的文字內(nèi)容相同D.自然場(chǎng)景圖像的背景極其多樣得分閱卷人得分閱卷人1.通過(guò)對(duì)圖像輪廓的操作，就能獲取目標(biāo)圖像的大小、位置、方向等信息。（）2.遷移學(xué)習(xí)是一種機(jī)器學(xué)習(xí)方法，就是把為任務(wù)A開(kāi)發(fā)的模型作為初始點(diǎn)，重新使用在為任務(wù)B開(kāi)發(fā)模型的過(guò)程中。（）3.通用目標(biāo)檢測(cè)可以檢測(cè)圖像中多個(gè)類(lèi)別的目標(biāo)。（）4.檢測(cè)單張圖像所用的時(shí)間越長(zhǎng)越好，檢測(cè)更精確。（）5.人臉識(shí)別完全可以用圖像識(shí)別的方法不需要更精確的預(yù)處理過(guò)程。（）6.單樣本圖像增強(qiáng)主要有幾何操作、顏色變換、隨機(jī)擦除、添加噪聲等方法。（）7.實(shí)例感知語(yǔ)義分割（instanceawaresemanticsegmentation）是標(biāo)準(zhǔn)語(yǔ)義分割或全像素語(yǔ)義分割的子類(lèi)型，它將每個(gè)像素分類(lèi)為屬于應(yīng)用類(lèi)以及該類(lèi)的實(shí)體ID。（）8.圖像像素?cái)?shù)目越多，像素點(diǎn)越大，圖像越清晰、逼真，自然（）9.原始圖像與其評(píng)估版本(噪聲強(qiáng)度)之間圖像(信號(hào)強(qiáng)度)可能的最大像素值與最大均方誤差(MSE)的對(duì)數(shù)比率，PSNR值越小，重建效果越好。（）10.在遷移學(xué)習(xí)中，任務(wù)需要重新開(kāi)始建立模型，不可以重用之前的模型。（）得分閱卷人得分閱卷人1．線(xiàn)段的繪制是使用方法、圓形的繪制使用方法。2.卷積網(wǎng)絡(luò)的核心是：_________和___________、___________。3.傳統(tǒng)算法對(duì)于目標(biāo)檢測(cè)通常分為3個(gè)階段：、和。4.卷積操作使得 之間存在有位置上的連接關(guān)系。5.多圖像超分辨率重建算法根據(jù)重建過(guò)程所在域不同可分為_(kāi)______和_________。6.基于的超分辨率重建，從圖像的降質(zhì)退化模型出發(fā)，假定高分辨率圖像是經(jīng)過(guò)了適當(dāng)?shù)倪\(yùn)動(dòng)變換、模糊及噪聲才得到低分辨率圖像。7.SRGAN網(wǎng)絡(luò)結(jié)構(gòu)模型是由兩個(gè)網(wǎng)絡(luò)組成的深層次神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，將一個(gè)網(wǎng)絡(luò)與另一個(gè)網(wǎng)絡(luò)相互對(duì)立。一個(gè)神經(jīng)網(wǎng)絡(luò)稱(chēng)為_(kāi)________，另一個(gè)神經(jīng)網(wǎng)絡(luò)稱(chēng)為_(kāi)_________。8.文字識(shí)別可根據(jù)待識(shí)別的文字特點(diǎn)采用不同的識(shí)別方法，一般分為_(kāi)________和__________。9.不定長(zhǎng)文字識(shí)別的常用方法：、CRNN、chineseocr。10.sigmoid神經(jīng)網(wǎng)絡(luò)層輸出0和1之間的數(shù)字，這個(gè)數(shù)字代表每個(gè)組件有多少比率的信息可以通過(guò)，表示不通過(guò)任何信息，______表示全部通過(guò)。11.OpenCV中顯示完成后，需調(diào)用釋放窗口占用的資源的方法_________。12.繪制直方圖的兩種方式分別為_(kāi)_____、_________。13.圖像濾波的兩個(gè)目的是________（抽出對(duì)象的特征作為圖像識(shí)別的特征模式）和___________（為適應(yīng)圖像處理的要求，消除圖像數(shù)字化時(shí)所混入的噪聲）。得分閱卷人得分閱卷人編寫(xiě)代碼實(shí)現(xiàn)加載cifar10數(shù)據(jù)并對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化。得分閱卷人得分閱卷人先將圖像標(biāo)準(zhǔn)化到[0,1]范圍內(nèi)，接著圖片規(guī)范成(128,128)大小的，以匹配神經(jīng)網(wǎng)絡(luò)的輸入。得分閱卷人得分閱卷人請(qǐng)寫(xiě)出如何構(gòu)造低分辨率圖像的主要程序代碼?！禤ython文本與語(yǔ)音應(yīng)用設(shè)計(jì)》期末考試試題A卷答題紙適用班級(jí)：人工智能2001/2002專(zhuān)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(jué)應(yīng)用開(kāi)發(fā)》期末考試試題A卷答案適用班級(jí)：人工智能2001/2002專(zhuān)業(yè)：人工智能技術(shù)服務(wù)得分閱卷人得分閱卷人1.D2.B3.C4.A5.B6.D7.C8.A9.C10.A11.A12.B13.B14.D15.C得分閱卷人得分閱卷人1.對(duì)2.對(duì)3.對(duì)4.錯(cuò)5.錯(cuò)6.對(duì)7.錯(cuò)8.對(duì)9.錯(cuò)10.錯(cuò)得分閱卷人得分閱卷人1.cv2.line（）、cv2.circle（）2.淺層卷積提取基礎(chǔ)特征深層卷積提取抽象特征全連接層根據(jù)特征組合進(jìn)行評(píng)分分類(lèi)3.區(qū)域選取、特征提取、體征分類(lèi)4.輸入值和輸出值5.頻域法、空域法6.退化模型7.生成器、鑒別器8.定長(zhǎng)文字、不定長(zhǎng)文字9.LSTM+CTC10.0、111.cv2.destroyAllWindows()12.np.histogram()、np.bincount()13.提取特征、清除噪聲得分閱卷人得分閱卷人(train_images,train_labels),(test_images,test_labels)=datasets.cifar10.load_data()#數(shù)據(jù)標(biāo)準(zhǔn)化train_images,test_images=train_images/255.0,test_images/255.0得分閱卷人得分閱卷人defnormalize(input_image,input_mask):input_image=tf.cast(input_image,tf.float32)/128.0-1input_mask-=1returninput_image,input_maskdefload_image(datapoint):input_image=tf.image.resize(datapoint['image'],(128,128))input_mask=tf.image.resize(datapoint['segmentation_mask'],(128,128))input_image,input_mask=normalize(input_image,input_mask)returninput_image,input_mask得分閱卷人得分閱卷人label=np.zeros((image.shape[0],128,128,3),np.float32)foriinrange(image.shape[0]):temp=cv2.resize(image[i,:,:,:],(64,64))temp=cv2.resize(temp,(128,128))label[i,:,:,:]=temp《計(jì)算機(jī)視覺(jué)應(yīng)用開(kāi)發(fā)》期末考試試題B卷（開(kāi)卷）適用班級(jí)：人工智能2001/2002專(zhuān)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(jué)對(duì)待問(wèn)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(shuō)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(lái)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(guò)哪種命令來(lái)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(lèi)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(lái)越（），而通道數(shù)會(huì)越來(lái)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(lái)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(lái)生成更真實(shí)的數(shù)據(jù)樣本。C.用已有的數(shù)據(jù)來(lái)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(shuō)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(guò)均方誤差來(lái)表示D.VGG-19有19個(gè)卷積層13.下列關(guān)于說(shuō)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(lèi)別的關(guān)聯(lián)程度來(lái)計(jì)算特征與類(lèi)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(guò)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(shuō)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(xiàn)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(lái)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(lèi)問(wèn)題。（）5.檢測(cè)器檢測(cè)出來(lái)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(lái)源是計(jì)算機(jī)通過(guò)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(chēng)為全像素語(yǔ)義分割，它是將每個(gè)像素分類(lèi)為屬于對(duì)象類(lèi)的過(guò)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(lài)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_(kāi)_____、______、________、_________、______。2.在OpenCV中，可以使用__________函數(shù)來(lái)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(guò)在高維空間中尋找一個(gè)最優(yōu)線(xiàn)性分類(lèi)面，對(duì)于特征向量x的決策函數(shù)為_(kāi)___________。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(guò)程所在域不同可分為_(kāi)________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(lèi)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(lèi)方法大致分為兩類(lèi)，___________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(xiě)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?！队?jì)算機(jī)視覺(jué)應(yīng)用開(kāi)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(zhuān)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(jué)應(yīng)用開(kāi)發(fā)》期末考試試題B卷答案適用班級(jí)：人工智能2001/2002專(zhuān)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(xiàn)性分割能力、提高模型魯棒性、緩解梯度消失問(wèn)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(lèi)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)