nnxy深度学习练习测试卷

第页nnxy深度学习练习测试卷1.【单选】

当在卷积神经网络中加入池化层(poolinglayer)时，变换的不变性会被保留吗（）A、否B、是C、不知道D、看情况【正确答案】：B2.【单选】

在神经网络中，每个参数可以有不同的学习率A、否B、是C、不确定【正确答案】：B3.【单选】

滤波是信号和图像处理中的一种基本操作，滤波可去除图像中的噪声，提取有用的视觉特征，对图像重新采样等等，低通滤波能够使图像更加模糊或更加平滑，可以利用低通滤波消除噪声，请补全下面使用尺寸为5*5且anchor为核中心的低通滤波器的相关代码importcv2if__name__=="__main__":images=cv2.imread("./images/lena30.jpg",cv2.IMREAD_COLOR)Low_pass_filter=____________________________dWindow("ImageRead",cv2.WINDOW_AUTOSIZE)cv2.imshow("ImageRead",images)cv2.imshow("Result",Low_pass_filter)cv2.waitKey(5*1000)A、cv2.GaussianBlur(images,(5,5),sigmaX=1.5,sigmaY=1.5)B、:A、B均不可以C、:A、B任意一种都可以D、cv2.blur(images,(5,5))【正确答案】：D4.【单选】

腐蚀运算满足交换律和结合律。”腐蚀”改为”膨胀”A、不确定B、是C、否【正确答案】：B5.【单选】

卷积神经网络中，引入BatchNormal机制的好处是（）？A、以上所有B、防止过拟合C、防止梯度爆炸D、提升模型训练速度【正确答案】：A6.【单选】

基于Python的OpenCV读取RGB图像时返回的对象是（）A、List对象B、Tuple对象C、numpy.ndarray对象D、Mat对象【正确答案】：C7.【单选】

负对数似然度损失函数和欧式距离损失函数都是用于计算像素区域的修复A、不确定B、是C、否【正确答案】：B8.【单选】

基于深度学习的图像识别过程中，卷积层的作用是什么（）?A、把图片变为灰度B、提高图片的分辨率C、降低图片的分辨率D、提取图片的特征【正确答案】：D9.【单选】

在对视频帧处理完之后可以利用VideoWriter对视频处理的结果进行保存，现在要求视频以MP4格式保存，帧率为20每秒帧，并且视频帧的尺寸要求是640*480，请完成以下代码importcv2importnumpyasnpif__name__=="__main__":#视频存储cap=cv2.VideoCapture(0)#打开摄像头cap.set(cv2.CAP_PROP_FRAME_WIDTH,640)#设置读出视频帧的宽度cap.set(cv2.CAP_PROP_FRAME_HEIGHT,480)#设置读出视频帧的高度_________________________________#定义视频保存的格式视频保存的尺寸、帧率whilecap.isOpened():#当摄像头打开的时候ret,frame=cap.read()#读取当前摄像头的画面frame=cv2.flip(frame,1)#对视频帧进行处理：左右反转writer.write(frame)#将视频帧的处理结果保存到MP4文件中cv2.imshow('img',frame)#将画面显示在名为img的窗口画布上ifcv2.waitKey(1)==ord('q'):#等待1毫秒，如果在等待的时候接收到按q键操作break#退出循环cv2.destroyAllWindows()#关闭所有窗口cap.release()#释放摄像头writer.release()#释放视频写入实例A、fourcc=cv2.VideoWriter_fourcc('m','p','4','v')writer=cv2.VideoWriter('./images/video.mp4',fourcc,20.0,(480,640))B、fourcc=cv2.VideoWriter_fourcc('m','p','4','v')writer=cv2.VideoWriter('./images/video.mp4',20.0,fourcc,(640,480))C、fourcc=cv2.VideoWriter_fourcc('m','p','4','v')writer=cv2.VideoWriter('./images/video.mp4',fourcc,20.0,(640,480))D、fourcc=cv2.VideoWriter_fourcc('m','p','4','v')writer=cv2.VideoWriter('./images/video.mp4',20.0,fourcc,(480,640))【正确答案】：C10.【单选】

下列哪一项不是常用的优化函数（）?AdamB、以上所有C、AdaGradD、MBGD【正确答案】：B11.【单选】

输入图像已被转换为大小为28×28的矩阵和大小为7×7的步幅为1的核心/滤波器。卷积矩阵的大小是多少？A、22*22B、21*21C、7*7D、28*28【正确答案】：A12.【单选】

以下检测算法，属于两阶段目标检测算法是哪个（）？A、RCNNB、以上都是C、FasterRCNND、FastRCNN【正确答案】：B13.【单选】

在只有少量数据解决某个问题时，假如你有一个类似问题已经预先训练好的神经网络，可以用下面哪种方法来利用这个预先训练好的网络？A、对每一层模型进行评估，选择其中的少数来用B、只对最后几层进行调参(finetune)C、对新数据重新训练整个模型D、把除了最后一层外所有的层都冻结，重新训练最后一层【正确答案】：B14.【单选】

神经网络进行图片语义分割时，先用CNN处理输入，再用反CNN得到输出A、否B、是C、不确定【正确答案】：B15.【单选】

一般来说，L1正则化可产生比L2正则化更稀疏的解A、是B、不确定C、否【正确答案】：A16.【单选】

阐述目标检测中非极大值抑制(NonMaximumSuppression-NMS)的步骤（）1.对所有预测框的置信度降序排序2.周而复始，直到没有剩下的为止3.根据计算的IOU去除重叠度高的，IOU>threshold阈值就删除4.选出置信度最高的预测框，确认其为正确预测，并计算他与其他预测框的IOUA、3，2，1，4B、2，3，4，1C、1，2，3，4D、1，4，3，2【正确答案】：D17.【单选】

透视变换是将一幅图像从一个平面投影到另一个平面，相较于仿射变换来说，透视变换的输出图像中，尽管其依旧可保持原图像中的直线不产生变形，但是输入图像中的平行线可能不再平行，不平行的线也可能会变平行。利用透视变换将像素[[50,0],[0,50],[50,100],[200,210]]映射到[[0,0],[50,0],[0,50],[100,100]]。请完成透视变换到代码importcv2importnumpyasnpif__name__=="__main__":#图像透视变换images=cv2.imread("./images/lena.jpg",cv2.IMREAD_GRAYSCALE)rows=images.shape[0]cols=images.shape[1]#定义透视变换矩阵ori_position=_________________________________________target_position=_______________________________________perspective_transform_mat=_____________________________#透视变换perspective_transform_result=______________________________________cv2.imshow("ImageRead",images)cv2.imshow("Perspectivetransformresult",perspective_transform_result)cv2.waitKey(0)A、np.float32([[0,0],[50,0],[0,50],[100,100]])np.float32([[50,0],[0,50],[50,100],[200,210]])cv2.getPerspectiveTransform(ori_position,target_position)cv2.warpPerspective(images,perspective_transform_mat,(cols,rows))B、np.float32([[50,0],[0,50],[50,100],[200,210]])np.float32([[0,0],[50,0],[0,50],[100,100]])cv2.getPerspectiveTransform(target_position,ori_position)cv2.warpPerspective(images,perspective_transform_mat,(cols,rows))C、np.float32([[50,0],[0,50],[50,100],[200,210]])np.float32([[0,0],[50,0],[0,50],[100,100]])cv2.getPerspectiveTransform(ori_position,target_position)cv2.warpPerspective(images,perspective_transform_mat,(cols,rows))D、np.float32([[0,0],[50,0],[0,50],[100,100]])np.float32([[50,0],[0,50],[50,100],[200,210]])cv2.getPerspectiveTransform(target_position,ori_position)cv2.warpPerspective(images,perspective_transform_mat,(cols,rows))【正确答案】：C18.【单选】

现在人们在研究如何用深度学习来解决图片修复的问题。对于这个问题，哪种损失函数适用于计算像素区域的修复？A、欧式距离损失函数(Euclideanloss)B、两种方法均不可C、两种方法皆可D、负对数似然度损失函数(Negative-logLikelihoodloss)【正确答案】：C19.【单选】

Canny边缘检测算法可以分为以下5个步骤：1)、使用高斯滤波器，以平滑图像，滤除噪声。2)、计算图像中每个像素点的梯度强度和方向。3)、应用非极大值（Non-MaximumSuppression）抑制，以消除边缘检测带来的杂散响应。4)、应用双阈值（Double-Threshold）检测来确定真实的和潜在的边缘。5)、通过抑制孤立的弱边缘最终完成边缘检测。请完成以下利用最大、最小阈值分别是60，180且基于L1范式的canny算子进行边缘检测的代码importcv2importnumpyasnpif__name__=="__main__":#Canny算法images=cv2.imread("./images/lena30.jpg",cv2.IMREAD_GRAYSCALE)canny_result=___________________________________#绘制结果cv2.imshow("img",images)cv2.imshow("Cannyresult",canny_result)cv2.waitKey(0)A、cv2.Canny(images,60,180)B、cv2.Canny(images,180,60)C、cv2.Canny(images,60,180,L2gradient=True)D、:A、C均可【正确答案】：A20.【单选】

对于一个图像识别问题(在一张照片里找出一只猫)，下面哪种神经网络可以更好地解决这个问题？A、循环神经网络B、多层感知机C、感知机D、卷积神经网络【正确答案】：D21.【单选】

在深度学习中往往会遇到模型过拟合问题，解决过拟合问题的重要途经是增加有效样本的数量，而数据增强则是利用各种数据处理技术增加样本的多样性，其中调节样本的对比度通常较为有效的手段之一，请补充完整下面的代码利用线性变换进行对比度增强importcv2importnumpyasnpnp.set_printoptions(threshold=np.inf)if__name__=="__main__":images=cv2.imread("./images/tree.png",cv2.IMREAD_COLOR)alpha=2beta=40contract_result=___________________________________________dWindow("ImageRead",cv2.WINDOW_AUTOSIZE)cv2.imshow("ImageRead",images)cv2.imshow("Result",contract_result)cv2.waitKey(5*1000)A、cv2.convertScaleAbs(images,alpha=alpha,beta=beta)B、:A、C都可以C、np.clip(images.astype(32)*alpha+beta,0,255)D、np.clip(images.astype(32)*alpha+beta,0,255).astype(np.uint8)【正确答案】：B22.【单选】

迭代阈值分割是一种常见的基于全局的阈值分割方法，其步骤为（）1．根据阈值TK将图象分割为前景和背景，计算小于T0所有灰度的均值Mean(O)，和大于T0的所有灰度的均值Mean(B)2．若TK==TK+1，则所得即为阈值；否则转2，迭代计算3．求出新阈值TK+1=(Mean(O)+Mean(B))/24．统计图像灰度直方图,求出图象的最大灰度值和最小灰度值，分别记为Zmax和Zmin，令初始阈值T0=(Zmax+Zmin)/2A、1，2，3,4B、4，1，3，2C、1，3，2，4D、4，3，2，1【正确答案】：B23.【单选】

线性低通滤波器通过使用邻域内的像素均值进行图像平滑处理，从而消除图像中的噪音，但是这种方法没有考虑邻域像素的位置信息，高斯滤波是使用加权平均的思想，即较近像素比较远像素具有更大权重，从而获得更好的平滑效果，请完成以下利用5*5的高斯核,标准差为1.5的高斯低通滤波器的代码importcv2if__name__=="__main__":images=cv2.imread("./images/lena30.jpg",cv2.IMREAD_COLOR)gaussian_filter=_________________________________dWindow("ImageRead",cv2.WINDOW_AUTOSIZE)cv2.imshow("ImageRead",images)cv2.imshow("Gaussian",gaussian_filter)cv2.waitKey(5*1000)A、:A、B均不可以B、cv2.blur(images,(5,5))C、:A、B任意一种都可以D、cv2.GaussianBlur(images,(5,5),sigmaX=1.5,sigmaY=1.5)【正确答案】：D24.【单选】

图像与灰度直方图间的对应关系是（）A、一对多B、都不对C、一一对应D、多对一【正确答案】：D25.【单选】

与普通反向传播不同的是，随时间的反向传播算法会在每个时间步长内叠加所有对应权重的梯度A、不确定B、否C、是【正确答案】：C26.【单选】

2016年，YaniIoannou在DeepRoots:ImprovingCNNEfficiencywithHierarchicalFilterGroups这篇论文中提出了分组卷积(GroupConvolution)的卷积运算方式，该卷积运算改变了传统卷积与每一个通道中特征图进行卷积运算发方式，其卷积计算方式如下所示，请计算该卷积运算中卷积核参数量计算方式A、kernel_size*kernel_size*c1*c2B、kernel_size*kernel_size*(c1/g)*(c2/g)*gC、kernel_size*kernel_size*c1/g1*1*c1*c2D、kernel_size*kernel_size*c1【正确答案】：B27.【单选】

在CNN中使用1×1卷积时，下列哪一项是正确的？A、它可以帮助降低维数B、可以用于特征池C、所有上述D、由于小的内核大小，它会减少过拟合【正确答案】：C28.【单选】

广义上讲，图像分割是把图像分成互不重叠而又各具特性的（）。A、主区域B、子区域C、宽区域D、窄区域【正确答案】：B29.【单选】

如果我们用了一个过大的学习速率会发生什么？A、神经网络不会收敛B、不好说C、神经网络会收敛D、都不对【正确答案】：A30.【单选】

前馈神经网络的隐藏单元必须在所有的输入点都可微A、不确定B、是C、否【正确答案】：C31.【单选】

AlexNet模型主要包含（）个卷积层，（）个全连接层，有（）个卷积层采用了最大重叠池化A、5，3，3B、8，3，3C、10，2，3D、8，2，3【正确答案】：A32.【单选】

基于学习的视觉，是指以机器学习为主要技术手段的计算机视觉研究，其主要包含_________和_________。A、流形学习(ManifoldLearning)和强化学习(ReinforcementLearning)B、深度学习(DeepLearning)和强化学习(ReinforcementLearning)C、流形学习(ManifoldLearning)和深度学习(DeepLearning)D、深度学习(DeepLearning)和迁移学习(Transferlearning)【正确答案】：C33.【单选】

2014年，Google提出了GoogLeNet卷积神经网络模型，该模型使用多尺度卷积提取不同尺度的特征，该模型提出是为了应对什么问题A、以上都是B、网络越深，容易出现梯度弥散问题（梯度越往后穿越容易消失），难以优化模型C、参数太多，如果训练数据集有限，很容易产生过拟合D、网络越大、参数越多，计算复杂度越大，难以应用【正确答案】：A34.【单选】

神经网络中的死神经元（deadunit）是什么？A、在训练任何其它相邻单元时，不会更新的单元B、没有完全响应任何训练模式的单元C、以上均不符合D、产生最大平方误差的单元【正确答案】：A35.【单选】

CNN采用最大池化能够产生一定程度上的平移不变性A、否B、是C、不确定【正确答案】：B36.【单选】

计算机视觉经历了4个主要历程。即：_________、_________、_________和_________。A、主动和目的视觉、马尔计算视觉、基于学习的视觉、多视几何与分层三维重建B、多视几何与分层三维重建、基于学习的视觉、主动和目的视觉、马尔计算视觉C、马尔计算视觉、基于学习的视觉、主动和目的视觉、多视几何与分层三维重建D、马尔计算视觉、主动和目的视觉、多视几何与分层三维重建和基于学习的视觉【正确答案】：D37.【单选】

中值滤波是计算当前像素与其邻域内像素所组成的集合中的中间值，并利用该中间值替换当前像素位置上的像素值，因此中值滤波是一种非线性的滤波器，他对盐噪声具有较好的效果（如下图所示），请完善以下利用5*5的邻域进行中值滤波的相关代码importcv2importnumpyasnpdefsp_noise(image,prob):'''''添加椒盐噪声prob:噪声比例'''output=np.zeros(image.shape,np.uint8)thres=1-probforiinrange(image.shape[0]):forjinrange(image.shape[1]):rdn=np.random.random()ifrdn<prob:output[i][j]=0elifrdn>thres:output[i][j]=255else:output[i][j]=image[i][j]returnoutputif__name__=="__main__":images=cv2.imread("./images/lena30.jpg")sp_noise=sp_noise(images,prob=0.02)___________________________dWindow("ImageRead",cv2.WINDOW_AUTOSIZE)cv2.imshow("ImageRead",images)cv2.imshow("Saltandpeppernoise",sp_noise)cv2.imshow("Media",media_filter)cv2.waitKey(0)A、media_filter=cv2.medianBlur(sp_noise,ksize=(5,5))B、media_filter=cv2.medianBlur(sp_noise,ksize=5)C、cv2.medianBlur(sp_noise,ksize=5,media_filter)D、:A、B任意一种都可以【正确答案】：B38.【单选】

闭运算与开运算相反，其操作顺序与开运算刚好相反，即对图像先进行膨胀再进行腐蚀操作。这种高级操作常被用来填充前景物体中的小洞，或者填充前景上的小黑点。以下是利用3*3的核对图像连续三次闭运算，请完成以下代码importcv2importnumpyasnpif__name__=="__main__":#形态学闭运算images=cv2.imread("./images/j_inner.png",cv2.IMREAD_GRAYSCALE)##创建腐蚀和膨胀的核kernel=___________________________closing_result=______________________________cv2.imshow("ImageRead",images)cv2.imshow("Closingresult",closing_result)cv2.waitKey(0)A、np.ones((3,3),np.uint8)cv2.morphologyEx(images,op=cv2.MORPH_CLOSE,kernel=kernel,iterations=3)B、np.ones((3,3),np.uint8)cv2.morphologyEx(images,op=cv2.MORPH_OPEN,kernel=kernel,iterations=3)【正确答案】：A39.【单选】

BP算法仅适用于多层前馈神经网络A、不确定B、否C、是【正确答案】：B40.【单选】

在CNN，拥有最大池化总是减少参数A、是B、不确定C、否【正确答案】：C41.【单选】

傅里叶变换得到的频谱中，低频系数对应于（）。A、噪音B、变化平缓部分C、变化剧烈部分D、物体边缘【正确答案】：B42.【单选】

在基于深度学习的模型中，池化层的作用是什么（）？A、以上所有B、保留不变性C、扩大感受野D、降低特征图的分辨率【正确答案】：A43.【单选】

用什么范围可以表示颜色的明暗程度，RGB分别代表什么颜色（）?A、范围:0-255;RGB:红，绿，蓝B、范围:-255-255;RGB:红，绿，蓝C、范围:0-255;RGB:蓝，绿，红D、范围:1-256;RGB:黄，绿，蓝【正确答案】：A44.【单选】

图像可以表示成一个“行数*列数”的矩阵，矩阵中的小格子是（）?格子的行数和列数统称为（）?A、像素，大小B、像素，分辨率C、颜色，分辨率D、灰度，清晰度【正确答案】：B45.【单选】

Dropout率为保留一个神经元为激活状态的概率，Dropout率和正则化有什么关系？A、不确定B、Dropout率越高，正则化程度越低C、Dropout率越高，正则化程度越高Dropout率越低，正则化程度越高【正确答案】：B46.【单选】

视知觉是一种较高层次的功能，它将外部刺激转化为有意义的外在世界空间的表象，关于视知觉说法错误的是（）？A、视知觉对接收的刺激进行组织加工，构成具有一定形状整体，借此认识外在世界中的物体目标B、视知觉的定义最早是由阿基米德提出C、视知觉主要论述接收外部刺激之后如何反应以及所采用的方式D、视知觉的任务是确定“什么东西在什么地方”【正确答案】：B47.【单选】

VGG卷积神经网络相对于AlexNet来说，在训练模型的时候使用了多尺度训练的方式，下列关于多尺度训练的描述正确的是A、

A，CB、尺度放缩因子非固定，每次迭代在[256,512]中任取一值C、将原始图像按照取得缩放因子进行等比例缩放，然后在缩放后的图像上裁剪224*224的区域D、将原始图像按照取得缩放因子进行非等比例缩放，然后在缩放后的图像上裁剪224*224的区域【正确答案】：A48.【单选】

深度可分离卷积相对于传统的卷积运算具有一定的优势，其主要集中在那些方面？A、计算量相对更少B、参数量减少了C、对计算资源要求更低D、以上所有【正确答案】：D49.【单选】

1989年，法国的YannLeCun将_______算法应用于Fukushima的卷积神经网络结构。之后LeCun发布了_______,该网络是卷积神经网络早期最经典的卷积神经网络之一。A、反向传播(Backpropagation)、AlexNetB、随机梯度下降(StochasticGradientDescent)、LeNet-5C、反向传播(Backpropagation)、LeNet-5D、随机梯度下降(StochasticGradientDescent)、MLP【正确答案】：C50.【单选】

图像旋转而产生的图像空穴问题通过哪些方式可以解决（）A、插值法B、平移法C、尺度变换法D、以上都不是【正确答案】：A51.【单选】

假设在训练中我们突然遇到了一个问题，在几次循环之后，误差瞬间降低你认为数据有问题，于是你绘制出了数据分布并且发现也许是数据的偏度过大造成了这个问题。你打算怎么做来处理这个问题？A、都不对B、对数据作主成分分析(PCA)和归一化C、对数据作归一化D、对数据取对数变化【正确答案】：B52.【单选】

平移变换通俗的讲就是将图像中的所有像素点按照给定的平移量进行水平（x方向）或垂直（y方向）移动，现在需要将原始图像向右下角平移20个像素，请完成以下代码importcv2importnumpyasnpif__name__=="__main__":#平移变换images=cv2.imread("./images/lena.jpg",cv2.IMREAD_GRAYSCALE)#定义平移矩阵translation_mat=___________________________________#translation_result=________________________________cv2.imshow("ImageRead",images)cv2.imshow("Translationresult",translation_result)cv2.waitKey(0)A、np.array([[0,0,20],[1,1,20]],dtype=np.float32)cv2.warpAffine(images,translation_mat,(images.shape[1],images.shape[0]))B、np.array([[1,1,20],[0,0,20]],dtype=np.float32)cv2.warpAffine(images,translation_mat,(images.shape[1],images.shape[0]))C、np.array([[1,0,20],[0,1,20]],dtype=np.float32)cv2.warpAffine(images,translation_mat,(images.shape[1],images.shape[0]))D、np.array([[0,1,20],[1,0,20]],dtype=np.float32)cv2.warpAffine(images,translation_mat,(images.shape[1],images.shape[0]))【正确答案】：C53.【单选】

如何使用配置python中使用opencv的环境（）1、利用Anaconda中的conda命令condainstallopencv安装，2、利用pythonpip命令pipinstallopencv-python安装，3、下载opencv安装包，离线编译安装、A、以上都可以B、1C、2D、1、2【正确答案】：A54.【单选】

（）算子具有高通滤波的作用。A、方向平滑B、中值滤波C、PrewittD、高斯滤波器【正确答案】：C55.【单选】

深度卷积神经网络中激活函数的作用是（）？A、引入非线性映射B、降低特征图的分辨率C、防止过拟合D、提升模型训练速度【正确答案】：A56.【单选】

下图显示了训练过的3层卷积神经网络准确度，与参数数量(特征核的数量)的关系。从图中趋势可见，如果增加神经网络的宽度，精确度会增加到一个特定阈值后，便开始降低。造成这一现象的可能原因是什么？A、以上都不正确B、当卷积核数量增加时，导致过拟合C、即使增加卷积核的数量，只有少部分的核会被用作预测D、当卷积核数量增加时，神经网络的预测能力（Power）会降低【正确答案】：B57.【单选】

深度学习是一种特殊的表示学习方法A、是B、不确定C、否【正确答案】：A58.【单选】

下图是一个利用sigmoid函数作为激活函数的含四个隐藏层的神经网络训练的梯度图。这个神经网络遇到了梯度消失的问题。下面哪个叙述是正确的？A、第一隐藏层对应A，第二隐藏层对应C，第三隐藏层对应B，第四隐藏层对应DB、第一隐藏层对应A，第二隐藏层对应B，第三隐藏层对应C，第四隐藏层对应DC、第一隐藏层对应D，第二隐藏层对应C，第三隐藏层对应B，第四隐藏层对应AD、第一隐藏层对应B，第二隐藏层对应D，第三隐藏层对应C，第四隐藏层对应A【正确答案】：C59.【单选】

下列关于YOLOV4创新性的描述正确的是A、在新网络结构中加入CBM模块、CSPX、SPP等新型模块，并加入Dropblock机制B、以上均正确C、FPN+PAN进行过多尺度目标检测D、损失函数使用CIOU_Loss，预测框筛选的NMS变为DIOU_NMS【正确答案】：B60.【单选】

基于Python的OpenCV读取RGB图像,我们可以获取图像的那些信息（）A、以上所有B、图像像素的数据类型C、像素的最大值、最小值D、图像的尺寸【正确答案】：A61.【单选】

2015年，RossB。Girshick在之前的基础之上对模型的进行了优化，提出了FastRCNN，该模型提出了一种ROIPooling的方法，降低了模型对输入图像尺寸的依赖，并企鹅实现了端到端的目标检测ROIPooling的运行方式是1.利用selectivesearch方法在输入图像中提取2000个regionproposals2.原始图像输入到卷积神经网络中提取特征3.将原始图像中的regionproposal映射到卷积特征图上4.利用ROIPooling将regionproposal特征子区域下采样到统一尺寸，之后提取特征5.利用CNN模型进行目标识别和Bbox回归,使用NMS非极大值抑制去除IOU值较大冗余regionproposalsA、2，1，3，4，5B、1，3，2，4，5C、1，2，3，4，5D、2，1，4，3，5【正确答案】：C62.【单选】

如果我们希望预测n个类（p1，p2，...，pk）的概率使得所有n的p的和等于1，那么下列哪个函数可以用作输出层中的激活函数？A、SigmoidB、ReLuC、TanhD、Softmax【正确答案】：D63.【单选】

假设一个二分类问题，现在采用一个大于0.5的阈值，那么关于模型的说法正确的是（）A、召回率降低或不变B、分类准确率降低C、召回率升高D、分类准确率升高或不变【正确答案】：D64.【单选】

增加卷积核的大小对于改进卷积神经网络的效果是必要的吗？A、否B、没听说过C、不知道D、是【正确答案】：A65.【单选】

深度学习与机器学习算法之间的区别在于，后者过程中无需进行特征提取工作，也就是说，我们建议在进行深度学习过程之前要首先完成特征提取的工作。A、否B、不确定C、是【正确答案】：A66.【单选】

彩色图像中，每个像素点用（）表示色彩值A、二个值B、四个值C、三个值D、一个值【正确答案】：C67.【单选】

在神经网络中，每个参数可以有不同的学习率A、是B、否C、不确定【正确答案】：A68.【单选】

下列的哪种方法可以用来降低深度学习模型的过拟合问题？1增加更多的数据2使用数据扩增技术(dataaugmentation)3使用归纳性更好的架构4正规化数据5降低架构的复杂度A、1,3,4,5B、1,2,3C、1,4,5D、所有项目都有用【正确答案】：D69.【单选】

一般而言，L2正则化可产生比L1正则化更稀疏的解A、是B、不确定C、否【正确答案】：C70.【单选】

基于深度学习的图像识别过程中，进行特征提取需要进行什么计算（）?A、高斯核函数B、卷积计算C、梯度D、概率计算【正确答案】：B71.【单选】

与原图根比,点运算后图像的直方图（）。A、不变B、可变C、不能确定D、更糟【正确答案】：C72.【单选】

对一幅图像进行傅里叶变换后，包含频谱(也叫幅度谱)和相位谱两部分，请问那一部分更重要?（）A、幅度谱B、都不重要C、同样重要D、相位谱【正确答案】：D73.【单选】

将Sigmoid激活函数改为ReLU，将有助于克服梯度消失的问题A、不确定B、是C、否【正确答案】：B74.【单选】

Dropout率（神经元的激活率）越高，正则化程度越高A、否B、不确定C、是【正确答案】：A75.【单选】

以下关于基于深度学习的目标检测模型中的anchor描述（）A、以上均正确B、anchor通过aspectratios（横纵比）和scales（尺度）匹配不同尺度的目标C、anchor是指预定义的框集合，其宽度和高度与数据集中对象的宽度和高度相匹配D、检测器不预测anchor，而是为每个anchor预测一组值：a、anchor坐标偏移（offset），b、每个类别的置信度得分。【正确答案】：A76.【单选】

边缘检测是将边缘像素标识出来的一种图像分割技术。A、不确定B、是C、否【正确答案】：B77.【单选】

图像裁剪是图像处理中经常会使用的一项技术，它可以根据需要获取图像中的特定区域。以图像中心点为中心，截取一个50*500的图像区域，请完成以下代码importcv2importnumpyasnpif__name__=="__main__":#图像裁剪images=cv2.imread("./images/lena.jpg",cv2.IMREAD_GRAYSCALE)rows=images.shape[0]cols=images.shape[1]#对图像进行裁剪crop_result=________________________________________________cv2.imshow("ImageRead",images)cv2.imshow("Cropresult",crop_result)cv2.waitKey(0)A、:A、B都不可以B、images[int(rows/2)-25:int(rows/2)+25,int(cols/2)-100:int(cols/2)+100]C、:A、B都可以D、images.crop((int(rows/2)-25:int(rows/2)+25,int(cols/2)-100:int(cols/2)+100))【正确答案】：B78.【单选】

1982年_________《视觉》一书的问世，标志着计算机视觉成为了一门独立学科。A、DavidHubelB、TorstenWieselC、LawrenceRobertsDavidMarr【正确答案】：D79.【单选】

训练CNN时，可以对输入进行旋转、平移、缩放（增强数据）等预处理提高模型泛化能力。A、是B、否C、不确定【正确答案】：A80.【单选】

下列哪一项不是常用的激活函数（）A、TanhB、SigmoidC、ReluD、MSE【正确答案】：D81.【单选】

图像分割常用数据集包含_________、_________、_________1、ImageNet，2、ADE20K，3、PASCALVOC，4、COCOA、1，2，4B、2，3，4C、1，2，3，4D、1，2，3【正确答案】：C82.【单选】

以下对基于图像数据的卷积神经网络的训练过程描述正确的是（）1.计算预测值和真实值之间的误差2.重复迭代，直至得到网络权重的最佳值3.把输入传入网络，得到输出值4.用随机值初始化权重和偏差5.对每一个产生误差的神经元，调整相应的（权重）值以减小误差A、1,2,3,4,5B、5,4,3,2,1C、3,2,1,5,4D、4,3,1,5,2【正确答案】：D83.【单选】

关于深度学习模型过拟合的描述错误的是（）？A、模型复杂度高或者数据集规模小是模型过拟合的两个因素B、模型在训练集上、测试集上的表现都不好C、模型过拟合可以增加训练集、降低模型复杂度、添加正则化约束、添加BatchNormal层、使用dropout机制等来解决D、模型在训练集上的表现非常好，但是在测试集、验证集以及新数据上的表现很差【正确答案】：B84.【单选】

卷积神经网络的特性是什么（）A、池化操作B、局部连接C、以上全部D、共享参数【正确答案】：C85.【单选】

如果增加多层感知机（MultilayerPerceptron）的隐藏层层数，分类误差便会减小。A、否B、是C、不确定【正确答案】：A86.【单选】

600万像素的手机摄像头拍摄的一-幅彩色图像(在无压缩情况下)所需存储空间为（）。A、1800KBB、2400万字节C、600MBD、1800万字节【正确答案】：D87.【单选】

_____和_____发现视觉处理过程总是从类似特定方向边缘的这类简单结构开始，而且可视皮层是分级的包含简单细胞核复杂细胞，为视觉神经研究奠定了基础，促成了计算机视觉技术40年后的突破性发展，奠定了深度学习的核心准则。A、DavidMarr和TorstenWieselB、LawrenceRoberts和DavidMarrC、DavidHubel和TorstenWieselD、LawrenceRoberts和DavidHubel【正确答案】：C88.【单选】

几何变换是图像处理领域的重要组成部分，其中缩放、平移、平移是几何变换的基础操作，请完成以下以双三线性插值将图像放大2倍的相关代码importcv2importnumpyasnpif__name__=="__main__":images=cv2.imread("./images/lena.jpg",cv2.IMREAD_GRAYSCALE)#通过指定尺寸参数dsize进行缩放size_result=__________________________________________________#通过指定缩放因子fx、fy进行缩放factor_result=_________________________________________________cv2.imshow("ImageRead",images)cv2.imshow("Sizeparameterresult",size_result)cv2.imshow("Factorparammeterresult",factor_result)cv2.waitKey(0)A、cv2.resize(images,dsize=(2*images.shape[0],2*images.shape[1]),interpolation=cv2.INTER_CUBIC)cv2.resize(images,None,fx=2,fy=2,interpolation=cv2.INTER_CUBIC)B、cv2.resize(images,dsize=(2*images.shape[0],2*images.shape[1]),interpolation=cv2.INTER_AREA)cv2.resize(images,None,fx=2,fy=2,interpolation=cv2.INTER_AREA)C、cv2.resize(images,dsize=(2*images.shape[0],2*images.shape[1]),interpolation=cv2.INTER_LINEAR)cv2.resize(images,None,fx=2,fy=2,interpolation=cv2.INTER_LINEAR)D、cv2.resize(images,dsize=(2*images.shape[0],2*images.shape[1]),interpolation=cv2.INTER_NEAREST)cv2.resize(images,None,fx=2,fy=2,interpolation=cv2.INTER_NEAREST)【正确答案】：A89.【单选】

数字图像f(x,y)中，坐标和幅值的取值范围是（）。A、非负整数集合B、实数C、非负实数D、正整数集合【正确答案】：A90.【单选】

训练好的模型在测试集准确率100%，则在新的数据集上也会达到100%A、不确定B、否C、是【正确答案】：B91.【单选】

Laplacian算子是一种局部运算，图像的二值化则是一种点运算。A、是B、不确定C、否【正确答案】：A92.【单选】

下列图像边缘检测算子中抗噪性能最好的是：（）。A、Roberts算子B、Prewitt算子C、梯度算子D、Laplacian算子【正确答案】：B93.【单选】

_______在《三维固体的机器感知》描述了从二维图片中推导三维信息的过程，成为计算机视觉的前导之一，开创了理解三维场景为目的的计算机视觉研究。这个研究给世界带来了很大启发，并且对边缘、线条、明暗等各种特征建立了各种数据结构和推理规则。A、TorstenWieselB、DavidMarrC、LawrenceRobertsDavidHubel【正确答案】：C94.【单选】

图像处理中的几何变换主要包含（）1、平移，2、缩放，3、旋转，4、仿射，5、透视A、2，4，5B、1，2，3，4C、1，2，3D、1，2，3，4，5【正确答案】：D95.【单选】

多层网络全部初始化为0，会使梯度为0或各层相同，相当于浅层网络A、不确定B、是C、否【正确答案】：B96.【单选】

掩膜操作可以实现图像对比度的调整，使得图像可以锐化，提高图像对比度，请补充完整以下代码importcv2importnumpyasnpif__name__=="__main__":images=cv2.imread("./images/lena.jpg",cv2.IMREAD_UNCHANGED)kernel=np.array([[0,-1,0],[-1,5,-1],[0,-1,0]])ddepth=-1result=______________________________dWindow("ImageRead",cv2.WINDOW_AUTOSIZE)cv2.imshow("ImageRead",result)cv2.waitKey(5*1000)A、cv2.sepFilter2D(images,kernel,cv2.CV_8U)B、cv2.filter2D(kernel,images,cv2.CV_8U)C、cv2.filter2D(images,cv2.CV_8U,kernel)D、cv2.filter2D(cv2.CV_8U,images,kernel)【正确答案】：C97.【单选】

以下检测算法，不属于单阶段目标检测算法是哪个（）？A、RetinaNetB、SSDC、RCNND、YOLO【正确答案】：C98.【单选】

Sigmoid是神经网络中最常用到的一种激活函数，除非当梯度太大导致激活函数被弥散，这叫作神经元饱和。这就是为什么ReLU会被提出来，因为ReLU可以使得梯度在正向时输出值与原始值一样。这是否意味着在神经网络中ReLU单元永远不会饱和？A、否B、是C、不确定【正确答案】：A99.【单选】

批规范化(BatchNormalization)的好处都有啥？A、它是一种非常有效的反向传播(BP)方法B、让每一层的输入的范围都大致固定C、这些均不是D、它将权重的归一化平均值和标准差【正确答案】：B100.【单选】

GAN只能用于深度神经网络A、否B、是C、不确定【正确答案】：B101.【单选】

构建一个神经网络，将前一层的输出和它自身作为输入。下列哪一种架构有反馈连接？A、循环神经网络B、都不是C、卷积神经网络D、限制玻尔兹曼机【正确答案】：A102.【单选】

2017年，LaurentSifr提出一种全新的卷积方式-深度可分离卷积(DepthwiseSeparableConvolution)，这种卷积方式将传统的卷积运算分为两步，分别包含（）和（）？1.Depthwiseconvolution2.Pointwiseconvolution3.Groupconvolution4.TransposeConvolutionA、1，2B、3，4C、2，3D、1，4【正确答案】：A103.【单选】

基于Python的OpenCV读取RGB图像时内存中默认的存储形式是（）A、RGBB、以上任意一种都可以C、BGRD、RBG【正确答案】：C104.【单选】

2014年，Google提出了GoogLeNet卷积神经网络模型中引入了Inecption模块，在该模块中频繁使用1*1的卷积，引入1*1的卷积作用主要有（）1.降低特征图维度，减少后续计算量2.对上一层特征进行线性整合，之后再利用激活函数进行非线性映射3.降低梯度消失的风险A、1，2，3B、2C、1，2D、以上都是【正确答案】：C105.【单选】

反向传播算法一开始计算什么内容的梯度，之后将其反向传播？A、预测结果与样本标签之间的误差B、各个网络权重的平方差之和C、各个输入样本的平方差之和D、都不对【正确答案】：A106.【单选】

处理图像噪点的另一中当时是形态转换，形态学转换中主要有两个基本操作：腐蚀与膨胀。腐蚀通俗理解就是求局部最小值的操作，而膨胀则与之相反(如下图所示，腐蚀图、原图、膨胀图)。以下代码是以3*3的核对图像连续三次腐蚀和膨胀操作，请完成以下代码importcv2importnumpyasnpif__name__=="__main__":#腐蚀与膨胀images=cv2.imread("./images/j.png",cv2.IMREAD_GRAYSCALE)#创建腐蚀和膨胀的核kernel=_____________________________#膨胀dilation_result=_________________________________#腐蚀erosion_result=__________________________________cv2.imshow("ImageRead",images)cv2.imshow("Dilationresult",dilation_result)cv2.imshow("Erosionresult",erosion_result)cv2.waitKey(0)A、np.ones((3,3),np.uint8)cv2.erode(images,kernel,3)cv2.dilate(images,kernel,3)B、np.ones((3,3),np.uint8)cv2.erode(images,kernel,iterations=3)cv2.dilate(images,kernel,iterations=3)C、np.ones((3,3),np.uint8)cv2.dilate(images,kernel,iterations=3)cv2.erode(images,kernel,iterations=3)D、np.ones((3,3),np.uint8)cv2.dilate(images,kernel,3)cv2.erode(images,kernel,3)【正确答案】：C107.【单选】

2012年，多伦多大学的AlexKrizhevsky和GeoffreyA、1，2，3B、1，2，3，4C、1，2，4D、2，3，4E、Hinton提出的AlexNet卷积神经网络模型获得了ILSVRC图像分类任务的冠军，使研究人员重新看到了深度学习的魅力，AlexNet的创新性主要体现在以下（）方面1.模型使用非线性ReLU函数2.模型加入dropout正则化3.模型使用重叠最大池化4.模型引入局部响应归一化（LocalResponseNormalization）【正确答案】：B108.【单选】

梯度为0的点不一定是局部极值A、否B、是C、不确定【正确答案】：B109.【单选】

下列关于转置卷积的介绍正确的有（）？A、转置卷积(transposedconvolution)又被称为逆卷积，其目的是对图像进行上采样B、转置卷积(transposedconvolution)首次出现在2018年，VincentDumoulin的Aguidetoconvolutionarithmeticfordeeplearning论文中C、以上都正确D、转置卷积可以应用于图像分割和生成式对抗模型中【正确答案】：C110.【单选】

2014年，剑桥大学视觉几何组（VisualGeometryGroup，VGG）提出了VGG模型，该模型探究了卷积神经网络模型深度与模型识别准确度之间的关系，并且提出使用3*3的卷积替换AlexNet中的11*11和5*5的卷积核，该方案的好处是（）A、减少卷积核参数量B、以上都是C、能够捕获图像的细节特征D、较少模型的计算量【正确答案】：B111.【单选】

从本地图片库中读取一张图像，并以BGR图像加载进来，请填写imread参数importcv2if__name__=="__main__":images=cv2.imread("./images/lena.jpg",__________)dWindow("ImageRead",cv2.WINDOW_AUTOSIZE)cv2.imshow("ImageRead",images)cv2.waitKey(5*1000)A、cv2.IMREAD_GRAYSCALEB、cv2.IMREAD_COLORC、cv2.IMREAD_UNCHANGEDD、以上均正确【正确答案】：B112.【单选】

一幅灰度级均匀分布的图像，其灰度范围在[0，255],则该图像的信息量为（）A、6B、0C、8D、255【正确答案】：C113.【单选】

在Canny边缘检测算法中，如果更改（）滞后阈值，将会获取更多非连续的边缘？A、增加低阈值B、增加高阈值C、减少高阈值D、减少低阈值【正确答案】：A114.【单选】

2015年KaimingHe提出ResNet卷积神经网络，创新性的提出残差模块，该模型主要是应对什么问题A、深度卷积神经网络模型过拟合问题B、深度卷积神经网络模型退化问题C、深度卷积神经网络梯度消失问题D、A和B【正确答案】：B115.【单选】

灰度变换属于（）A、代数运算B、邻域运算C、局部运算D、点运算【正确答案】：D116.【单选】

假设你有5个大小为7x7、边界值为0的卷积核，同时卷积神经网络第一层的深度为1。此时如果你向这一层传入一个维度为224*224*3的数据，那么神经网络下一层所接收到的数据维度是多少？A、217*217*8B、220*220*5C、218*218*5D、217*217*3【正确答案】：C117.【单选】

基于深度学习的目标检测模型评价指标包含哪些（）A、Precision：精确率，Recall：召回率B、AP:PR曲线下面积，mAP:meanAveragePrecision,即各类别AP的平均值C、FPS：Framespersecond，即每秒处理的图像帧数D、以上均正确【正确答案】：D118.【单选】

下列说法正确的是（）A、基于像素的图像增强方法是一种线性灰度变换B、基于像素的图像增强方法是基于空间域的图像增强方法的一种C、基于空域的图像增强主要有高通滤波、低通滤波、同态滤波D、基于频域的图像增强方法由于常用到傅里叶变换和傅里叶反变换所以总比基于空间域的方法计算复杂性高【正确答案】：B119.【单选】

RGB表示颜色时，（255,255,255）是什么颜色（）?A、白色B、黑色C、蓝色D、红色【正确答案】：A120.【单选】

下列哪个神经网络结构会发生权重共享？A、卷积神经网络B、循环神经网络C、全连接神经网络D、选项A和B【正确答案】：D121.【单选】

下面关于FasterRCNN的改进描述正确的是（）A、:A,CB、输入数据是固定尺寸的C、利用RegionProposalNetwork进行候选区域生成D、产生RegionProposal的CNN和目标检测的CNN是共享参数的【正确答案】：A122.【单选】

2014年，RossB。Girshick提出了RCNN两阶段目标检测模型，该模型利用深度卷积神经网络提取特征，并非端到端得卷积神经网络模型，请描述该模型得检测流程1.利用selectivesearch方法在输入图像中提取2000个regionproposals,并归一化到227*2272.候选图像输入到卷积神经网络中提取特征3.利用SVM进行分类4.使用NMS非极大值抑制去除IOU值较大冗余regionproposals，并做目标框bbox回归A、1，2，3，4B、2，1，3，4C、1，4，2，4D、2，1，4，3【正确答案】：A123.【单选】

在一个神经网络中，下面哪种方法可以用来处理过拟合？A、DropoutB、都可以C、分批归一化(BatchNormalization)D、正则化(regularization)【正确答案】：B124.【单选】

仿射变换公式如下所示由公式可知放射变换由一线性变换加上一平移量构成，当前需要希望对原始图像以中心点为原点，旋转45度得到新的图片，然后再向右下平移20个像素，请完成以下代码importcv2importnumpyasnpif__name__=="__main__":#仿射变换images=cv2.imread("./images/lena.jpg",cv2.IMREAD_GRAYSCALE)rows=images.shape[0]cols=images.shape[1]##定义仿射变换的矩阵affine_transformation_mat=_____________________________________##对图像仿射变换affine_transformation_result=____________________________________cv2.imshow("ImageRead",images)cv2.imshow("Cropresult",affine_transformation_result)cv2.waitKey(0)A、np.float32([[0.5,-0.5,20],[0.5,0.5,20]])cv2.warpAffine(images,affine_transformation_mat,(cols,rows))B、np.float32([[20,-0.5,0.5],[20,0.5,0.5]])cv2.warpAffine(images,affine_transformation_mat,(cols,rows))C、np.float32([[0.5,0.5,20],[0.5,-0.5,20]])cv2.warpAffine(images,affine_transformation_mat,(cols,rows))D、np.float32([[20,0.5,0.5],[20,0.5,-0.5]])cv2.warpAffine(images,affine_transformation_mat,(cols,rows))【正确答案】：A125.【单选】

对深度学习中梯度消失的描述正确的是（）A、造成梯度消失的原因是过深的深度学习模型，由于梯度反向传导过程中的累积问题，就出现了内在本质上的不稳定场景，另一方面是模型激活函数不太合适B、靠近输出层的hiddenlayer3的权值更新正常，但是靠近输入层的hiddenlayer1的权值更新非常慢，导致其权值几乎不变，仍接近于初始化的权值,这种现象叫做梯度小事C、使用Relu函数作为激活函数、增加BatchNormal层、使用残差模块等缓解梯度爆炸D、以上全部【正确答案】：D126.【单选】

欠拟合是模型不能在训练集上获得足够低的误差，过拟合是指训练误差和测试误差差距小A、是B、否C、不确定【正确答案】：B127.【单选】

过拟合只在监督学习中出现，非监督学习没有过拟合A、否B、是C、不确定【正确答案】：A128.【单选】

对于MLP，输入层中的节点数为10，隐藏层为5.从输入层到隐藏层的最大连接数是A、超过50B、小于50C、这是一个任意值D、50【正确答案】：D129.【单选】

神经网络被称为通用函数拟合器，所以它理论上可以表示任何决策边界。A、不确定B、是C、否【正确答案】：B130.【单选】

下列哪些项目是在图像识别任务中使用的数据扩增技术(dataaugmentationtechnique)？1水平翻转(Horizontalflipping)2随机裁剪(Randomcropping)3随机放缩(Randomscaling)4颜色抖动(Colorjittering)5随机平移(Randomtranslation)6随机剪切(Randomshearing)A、所有项目B、1，2，4C、1，3，5，6D、2，3，4，5，6【正确答案】：A131.【单选】

图像中目标的边缘强度值往往具有较为剧烈的变化，所以往往这些地方处于高频部分。边缘检测测试将这些高频区域检测出来，而高通滤波的特点就是保留高频信息，过滤低频信息，所以可以契合边缘检测的需求。Prewitt边缘检测算子利用3*3的卷积核实现在其邻域内进行水平和垂直方向上求梯度，进而获取边缘信息，其水平卷积核(左)和垂直卷积核(右)如下图所示，现在利用Prewitt边缘检测算子进行图像目标边缘检测，请补充以下代码：importcv2importnumpyasnpif__name__=="__main__":#Prewitt算子-边缘检测images=cv2.imread("./images/lena.jpg",cv2.IMREAD_GRAYSCALE)#Prewitt算子定义kernelx=______________________________kernely=______________________________prewitt_x=______________________________prewitt_y=______________________________#转uint8prewitt_x=cv2.convertScaleAbs(prewitt_x)prewitt_y=cv2.convertScaleAbs(prewitt_y)prewitt_result=cv2.addWeighted(prewitt_x,0.5,prewitt_y,0.5,0)#绘制结果cv2.imshow("ImageRead",images)cv2.imshow("absX",prewitt_x)cv2.imshow("absY",prewitt_y)cv2.imshow("Result",prewitt_result)cv2.waitKey(0)A、np.array([[1,1,1],[0,0,0],[-1,-1,-1]],dtype=int)np.array([[-1,0,1],[-1,0,1],[-1,0,1]],dtype=int)cv2.filter2D(images,cv2.CV_16S,kernelx)cv2.filter2D(images,cv2.CV_16S,kernely)B、np.array([[-1,0,1],[-1,0,1],[-1,0,1]],dtype=int)np.array([[1,1,1],[0,0,0],[-1,-1,-1]],dtype=in