北京联合大学《文字与版式(Ⅰ)》2021-2022学年第一学期期末试卷_第1页
北京联合大学《文字与版式(Ⅰ)》2021-2022学年第一学期期末试卷_第2页
北京联合大学《文字与版式(Ⅰ)》2021-2022学年第一学期期末试卷_第3页
北京联合大学《文字与版式(Ⅰ)》2021-2022学年第一学期期末试卷_第4页
全文预览已结束

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

自觉遵守考场纪律如考试作弊此答卷无效密自觉遵守考场纪律如考试作弊此答卷无效密封线第1页,共3页北京联合大学

《文字与版式(Ⅰ)》2021-2022学年第一学期期末试卷院(系)_______班级_______学号_______姓名_______题号一二三总分得分批阅人一、单选题(本大题共20个小题,每小题2分,共40分.在每小题给出的四个选项中,只有一项是符合题目要求的.)1、以下哪个不是计算机视觉中的图像增强算法?()A.拉普拉斯变换B.对数变换C.指数变换D.循环神经网络2、计算机视觉中的图像配准精度可以通过()来评估。A.均方误差B.峰值信噪比C.结构相似性指数D.以上都是3、在图像特征提取中,SIFT特征属于()A.局部特征B.全局特征C.纹理特征D.颜色特征4、在计算机视觉中,以下哪种技术常用于图像的超分辨率重建的上采样方法?()A.反卷积B.亚像素卷积C.最近邻插值D.以上都是5、以下哪种数据集常用于计算机视觉中的姿态估计任务?()A.MPIIHumanPoseDatasetB.PascalVOCC.COCOD.ImageNet6、在计算机视觉中,以下哪种技术常用于图像的去模糊后处理?()A.非局部均值滤波B.双边滤波C.导向滤波D.以上都是7、在计算机视觉中,以下哪种技术常用于图像的去雨?()A.基于物理模型B.基于深度学习C.基于空间滤波D.以上都是8、在图像去模糊中,以下哪种方法较为有效?()A.反卷积B.盲去卷积C.维纳滤波D.以上都是9、计算机视觉中的目标分类与目标检测的区别在于()A.是否需要定位目标B.数据量的大小C.模型的复杂度D.应用的领域10、以下哪个不是图像特征的描述方法?()A.基于区域的描述B.基于轮廓的描述C.基于深度学习的描述D.基于音频的描述11、计算机视觉中,用于图像生成的模型有()A.GANB.VAEC.自编码器D.以上都是12、以下哪个不是计算机视觉中的图像分类模型?()A.AlexNetB.VGGNetC.ResNetD.LSTM13、在图像复原中,常见的退化模型不包括()A.模糊B.噪声C.压缩D.膨胀14、计算机视觉中,以下哪种技术常用于人脸识别?()A.特征提取B.模板匹配C.深度学习D.以上都是15、计算机视觉中,以下哪种方法可以用于图像的超分辨率重建?()A.基于插值B.基于深度学习C.基于模型D.以上都是16、计算机视觉中,用于图像的去水印的方法通常基于()A.图像修复B.深度学习C.频率分析D.以上都是17、在人脸识别中,以下哪个步骤是关键?()A.特征提取B.图像预处理C.模型训练D.结果评估18、以下哪个是计算机视觉中的深度学习模型?()A.决策树B.聚类算法C.循环神经网络D.卷积神经网络19、以下哪个不是计算机视觉中的图像变换?()A.傅里叶变换B.小波变换C.拉普拉斯变换D.希尔伯特变换20、在计算机视觉中,以下哪种方法常用于图像的抠图?()A.基于深度学习B.基于GrabCut算法C.基于分水岭算法D.以上都是二、简答题(本大题共4个小题,共40分)1、(本题10分)简述图像的色彩校正方法。2、(本题10分)解释计算机视觉中的姿态估计任务。3、(本题10分)解释计算机视觉中的图像分类中的数据增强方法。4、(本题10分)简述图像的稀疏表示方法。三、应用题(本大题共2个

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论