nnxy深度学习复习试题有答案（一）

第页nnxy深度学习复习试题有答案1.【单选】

对于一个分类任务，如果开始时神经网络的权重不是随机赋值的，而是都设成0，下面哪个叙述是正确的？A、没啥问题，神经网络会正常开始训练B、神经网络不会开始训练，因为没有梯度改变C、其他选项都不对D、神经网络可以训练，但是所有的神经元最后都会变成识别同样的东西【正确答案】：D2.【单选】

阈值分割中，阈值的选取方式有（）1、固定阈值分割;2、直方图双峰法;3、迭代阈值分割;4、自适应阈值分割A、2,3,4B、1,2,3C、1,2,3,4D、1,2,4【正确答案】：C3.【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】：B4.【单选】

理论上神经网络可以解决任何问题，因为神经网络可以逼近任何函数A、是B、否C、不确定【正确答案】：A5.【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】：B6.【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】：D7.【单选】

计算机视觉应用场景不包括（）A、图像识别B、实例分割C、目标检测D、自动程序设计【正确答案】：D8.【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】：B9.【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】：B10.【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】：B11.【单选】

对于采集到几何失真的图像可以采用坐标变换进行矫正，下列哪个不是坐标变换（）A、尺度变换B、灰度插值C、旋转变换D、平移变换【正确答案】：B12.【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】：B13.【单选】

计算机视觉领域常用的数据集中，_________数据集是不可以应用于目标检测。A、CifarB、PASCALVOCCOCOD、ImageNetCifar【正确答案】：C14.【单选】

2015年，Google提出了GoogLeNetInceptionV2中除了利用两个3*3得卷积替换5*5得卷积之外，还加入例如BatchNormalization,该机制主要得有用有（）A和BB、能够缓解梯度爆炸得威胁C、每一层的输入的分布都在变化，导致训练变得困难，引入BatchNormalization，使输出规范化到N(0,1)的正态分布，减少了内部神经元分布的改变D、能够增加模型得训练速度【正确答案】：A15.【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】：A16.【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】：D17.【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】：B18.【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】：B19.【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】：D20.【单选】

两阶段目标检测相对于但阶段目标检测来说有什么区别（）A、速度慢B、RegionproposalC、以上都是D、精度高【正确答案】：C21.【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】：C22.【单选】

YOLO系列卷积神经网络模型是单阶段目标检测的经典模型，其下列关于YOLOV1的叙述正确的是1.核心思想是核心思想就是利用整张图作为网络的输入，直接在输出层回归boundingbox的位置和boundingbox所属的类别2.将一幅图像分成SxS个网格(gridcell)，如果某个object的中心落在这个网格中，则这个网格就负责预测这个object3.模型的backbone是Darknet4.YOLO对相互靠的很近的物体，还有很小的群体检测效果不好，这是因为一个网格中只预测了两个框，并且只属于一类A、1，2，4B、1，2，3，4C、2，3，4D、1，2，3【正确答案】：B23.【单选】

Sobel算子是在Prewitt算子的基础上改进的，在中心系数上使用一个权值2，请在利用3*3的核，分别对图像进行x、y、x和y方向一阶倒数的Sobel算子检测图像边缘importcv2if__name__=="__main__":images=cv2.imread("./images/lena.jpg",cv2.IMREAD_GRAYSCALE)x=___________________________________________y=___________________________________________absX=cv2.convertScaleAbs(x)absY=cv2.convertScaleAbs(y)sobel_result=___________________________________________cv2.imshow("ImageRead",images)cv2.imshow("absX",absX)cv2.imshow("absY",absY)cv2.imshow("Result",sobel_result)cv2.waitKey(0)A、cv2.Sobel(images,cv2.CV_16S,1,0,ksize=3)cv2.Sobel(images,cv2.CV_16S,0,1,ksize=3)cv2.addWeighted(sobel_x,0.5,sobel_y,0.5,0)B、:A、B都不可以C、:A、B都可以D、cv2.Sobel(images,cv2.CV_16S,1,0,ksize=3)cv2.Sobel(images,cv2.CV_16S,0,1,ksize=3)cv2.add(sobel_x,sobel_y)【正确答案】：C24.【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】：A25.【单选】

所有深度学习模型都是神经网络？A、不确定B、否C、是【正确答案】：C26.【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、不确定C、是【正确答案】：C27.【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】：C28.【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】：D29.【单选】

最大类间方差法OTSU的阐述错误的是A、对图像噪声敏感，只能针对单一目标分割，当目标和背景大小比例（面积）悬殊、类间方差函数可能呈现双峰或者多峰，这个时候效果不好B、目标与背景的灰度有较大的重叠时也能准确的将目标与背景分开C、算法假设图像像素能够根据全局阈值，被分成背景（background）和目标（objects）两部分D、是求图像全局阈值的最佳方法，计算简单快速，不受图像亮度和对比度的影响【正确答案】：B30.【单选】

1980年，日本科学家福岛彦明建立了一个自组织的简单细胞核复杂细胞的人工神经网络________。A、LeNetB、SVMC、MLPD、Neocognitron【正确答案】：D31.【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】：A32.【单选】

当构建一个神经网络进行图片的语义分割时，通常采用下面哪种顺序？A、先用反卷积神经网络处理输入，再用卷积神经网络得到输出B、:A、B都可以C、先用卷积神经网络处理输入，再用反卷积神经网络得到输出D、不能确定【正确答案】：C33.【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】：D34.【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】：A35.【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】：A36.【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】：A37.【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】：B38.【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】：C39.【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】：A40.【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】：D41.【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】：B42.【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】：B43.【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】：B44.【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】：C45.【单选】

轮廓是由一系列具有相同或类似的BGR值或灰度值的点构成的，轮廓提取则是将整个轮廓上的所有像素点的数值保留下来，轮廓检测具有非常广泛的使用场景，例如二维码识别、实例分割等领域。OpenCV提供了轮廓检测的接口，现在我们需要检测下图的等级树结构的轮廓信息，请完善以下代码importcv2if__name__=="__main__":#图像读取，并转为灰度图images=cv2.imread("./images/hands.png",cv2.IMREAD_UNCHANGED)gray_images=cv2.cvtColor(images,cv2.COLOR_BGR2GRAY)gauss=cv2.GaussianBlur(gray_images,(3,3),0)#高斯模糊edges=cv2.Canny(gauss,50,150)#Canny边缘检测kernel=cv2.getStructuringElement(cv2.MORPH_RECT,(5,5))closed=cv2.morphologyEx(edges,cv2.MORPH_CLOSE,kernel)#利用先膨胀后腐蚀的的方式去除噪声#寻找轮廓retval,contours,hierarchy=_____________________________________________#画出轮廓contours_result=__________________________________________________#图像显示dWindow('Contours',cv2.WINDOW_NORMAL)cv2.imshow('Contours',contours_result)cv2.waitKey(0)cv2.destroyAllWindows()A、cv2.findContours(closed,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)cv2.drawContours(images,contours,-1,(255,0,0),3)B、cv2.findContours(closed,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)cv2.drawContours(images,contours,-1,(255,0,0),3)C、cv2.findContours(closed,cv2.RETR_CCOMP,cv2.CHAIN_APPROX_SIMPLE)cv2.drawContours(images,contours,-1,(255,0,0),3)D、cv2.findContours(closed,cv2.RETR_LIST,cv2.CHAIN_APPROX_SIMPLE)cv2.drawContours(images,contours,-1,(255,0,0),3)【正确答案】：B46.【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】：A47.【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】：A48.【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】：A49.【单选】

下列图像平滑算法中既能有效地平滑噪声又可以避免边缘模糊效应的是：（）。A、灰度变换法B、领域平均法C、中值滤波法D、低通滤波法【正确答案】：C50.【单选】

梯度为0的点只能是局部极小点或局部极大点A、不确定B、是C、否【正确答案】：C51.【单选】

已知：大脑是有很多个叫做神经元的东西构成，神经网络是对大脑的简单的数学表达。每一个神经元都有输入、处理函数和输出。神经元组合起来形成了网络，可以拟合任何函数。为了得到最佳的神经网络，我们用梯度下降方法不断更新模型给定上述关于神经网络的描述，什么情况下神经网络模型被称为深度学习模型？A、以上都不正确B、当这是一个图形识别的问题时C、有维度更高的数据D、加入更多层，使神经网络的深度增加【正确答案】：D52.【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】：B53.【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】：C54.【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】：A55.【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】：B56.【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】：D57.【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】

对于分类任务，我们不是将神经网络中的随机权重初始化，而是将所有权重设为零。下列哪项正确？A、没有任何问题，神经网络模型将正常训练B、这些均不会发生C、神经网络模型不会进行训练，因为没有净梯度变化D、神经网络模型可以训练，但所有的神经元最终将识别同样的事情【正确答案】：D59.【单选】

目标检测中IOU(IntersectionoverUnion)计算公式（）A、IOU=(预测目标边框-真实目标边框)/(预测目标边框∩真实目标边框)B、IOU=(预测目标边框∩真实目标边框)/(预测目标边框∪真实目标边框)C、IOU=(预测目标边框-真实目标边框)/(预测目标边框∪真实目标边框)D、IOU=(预测目标边框∪真实目标边框)/(预测目标边框∩真实目标边框)【正确答案】：B60.【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】：A61.【单选】

基于深度学习的目标检测术语描述正确的是（）1、backbone：主干网络，主要指用来做特征提取作用的网络，早期分类网络VGG、ResNet等去掉用于分类的全连接层的部分。2、neck:指放在backbone和head之间的网络，作用是更好的融合或利用backbone提取的feature，可以理解为特征增强模块，典型的neck是如FPN结构。3、head：检测头，输出想要结果（分类+定位）的网络，放在模型最后。如YOLO使用特定维度的conv获取目标的类别和bbox信息A、1,3B、2,3C、1,2D、1,2,3【正确答案】：D62.【单选】

在输出层不能使用以下哪种激活函数来分类图像？A、TanhB、SigmoidC、ReLUD、If（x>5,1,0）【正确答案】：C63.【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】：A64.【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】：C65.【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】：D66.【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】：B67.【单选】

Xavier初始化是最为常用的神经网络权重初始化方法Xavier初始化是用来帮助信号能够在神经网络中传递得更深，下面哪些叙述是对的？1、如果权重一开始很小，信号到达最后也会很小2、如果权重一开始很大，信号到达最后也会很大3、Xavier初始化是由高斯发布引出的4、Xavier初始化可以帮助减少梯度弥散问题A、1，2，3，4B、2，3，4C、1，3，4D、1，2，4【正确答案】：A68.【单选】

梯度下降算法的正确步骤是什么（）？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、5,4,3,2,1B、1,2,3,4,5C、3,2,1,5,4D、4,3,1,5,2【正确答案】：D69.【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】：C70.【单选】

假设下方是传入最大池化层的一个输入，该层中神经元的池化大小为(3,3)。那么，该池化层的输出是多少？A、5B、7C、5.5D、3【正确答案】：B71.【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】：B72.【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】：C73.【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】：B74.【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】：A75.【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】：B76.【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】：A77.【单选】

训练CNN时，可以对输入进行旋转、平移、缩放等预处理提高模型泛化能力。A、不确定B、否C、是【正确答案】：B78.【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】：A79.【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=int)cv2.filter2D(images,cv2.CV_16S,kernelx)cv2.filter2D(images,cv2.CV_16S,kernely)C、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.boxFilter(images,cv2.CV_16S,kernelx)cv2.boxFilter(images,cv2.CV_16S,kernely)D、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=int)cv2.boxFilter(images,cv2.CV_16S,kernelx)cv2.boxFilter(images,cv2.CV_16S,kernely)【正确答案】：A80.【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】：B81.【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】：D82.【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】：C83.【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】：A84.【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】：B85.【单选】

通过增加模型复杂度，那么模型的测试错误率总是会降低A、是B、不确定C、否【正确答案】：C86.【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】：A87.【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】：B88.【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】：B89.【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】：C90.【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】：A91.【单选】

当数据过大以至于无法在RAM中同时处理时，哪种梯度下降方法更加有效（）？A、随机梯度下降法(StochasticGradientDescent)B、整批梯度下降法(FullBatchGradientDescent)C、都不是D、不知道【正确答案】：A92.【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】：C93.【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】：B94.【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】：C95.【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】：D96.【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】：A97.【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】：A98.【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】：B99.【单选】

下面哪种语言对于处理计算机视觉相对具有优势（）?A、C/C++B、JavaC、PythonD、C#【正确答案】：A100.【单选】

将Sigmoid激活函数改为ReLu，将有助于克服梯度消失问题A、是B、否C、不确定【正确答案】：A101.【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】：C102.【单选】

Mnist是计算机视觉领域最常用的数据集，该数据包含图像尺寸是_________，该数据共有_________张图片，训练集_________张，测试集_________张。A、28*28、120多万、50000、100000B、28*28、60000、50000、10000C、32*32、120多万、50000、100000D、32*32、60000、50000、10000【正确答案】：B103.【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】：A104.【单选】

多层神经网络本质是是一个复合函数A、是B、否C、不确定【正确答案】：A105.【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】：B106.【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】：A107.【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】：B108.【单选】

1：可以通过将所有权重初始化为0来训练网络。2：可以通过将偏差初始化为0来很好地训练网络。以上哪些陈述是真实的？A、1对2错B、1和2都对C、1错2对D、1和2都错【正确答案】：C109.【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】：D110.【单选】

输入图片大小为200×200，依次经过一层卷积（kernelsize5×5，padding1，stride2），pooling（kernelsize3×3，padding0，stride1），又一层卷积（kernelsize3×3，padding1，stride1）之后，输出特征图大小为（）A、8B、96C、95D、97【正确答案】：D111.【单选】

下列关于YOLOV3创新性的描述正确的是1.由原来的DarkNet19改为DarkNet53,没有池化、全连接2.损失函数中的目标的判断由原来的均方差函数变为交叉熵函数3.AnchorBoxes中K-Means聚类的参数变为k=94.多尺度预测A、1，2，3B、1，2，4C、1，2，3，4D、2，3，4【正确答案】：C112.【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】：B113.【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】：D114.【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】：A115.【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】：C116.【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】：C117.【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】：A118.【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】：C119.【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】：C120.【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】：B121.【单选】

一般我们建议将卷积生成对抗网络（convolutionalgenerativeadversarialnets）中生成部分的池化层替换成什么？A、局部跨距卷积层(Fractionalstridedconvolutionallayer)B、跨距卷积层(Stridedconvolutionallayer)C、仿射层(Affinelayer)D、ReLU层【正确答案】：A122.【单选】

在神经网络中ReLU永远不会饱和A、不确定B、是C、否【正确答案】：C123.【单选】

激活函数为有限值时，基于梯度的优化方法更加稳定A、不确定B、否C、是【正确答案】：C124.【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】：A125.【单选】

传统目标检测流程（）1、分类器分类（主要有SVM、Adaboost等）2、区域选择（穷举策略：采用滑动窗口，且设置不同的大小，不同的长宽比对图像进行遍历，时间复杂度高））3、特征提取（SIFT、HOG等；形态多样性、光照变化多样性、背景多样性使得特征鲁棒性差分类器分类（主要有SVM、Adaboost等）A、123B、213C、321D、231【正确答案】：D126.【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