湖北理工学院《招贴设计》2021-2022学年第一学期期末试卷_第1页
湖北理工学院《招贴设计》2021-2022学年第一学期期末试卷_第2页
湖北理工学院《招贴设计》2021-2022学年第一学期期末试卷_第3页
湖北理工学院《招贴设计》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

学校________________班级____________姓名____________考场____________准考证号学校________________班级____________姓名____________考场____________准考证号…………密…………封…………线…………内…………不…………要…………答…………题…………第1页,共3页湖北理工学院《招贴设计》

2021-2022学年第一学期期末试卷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、以下哪种深度学习架构常用于计算机视觉中的视频理解?()A.3D卷积神经网络B.递归神经网络C.长短时记忆网络D.以上都是2、以下哪种深度学习模型在计算机视觉中应用广泛?()A.循环神经网络B.卷积神经网络C.生成对抗网络D.长短时记忆网络3、以下哪个不是计算机视觉中的目标跟踪算法?()A.卡尔曼滤波B.粒子滤波C.均值漂移D.快速傅里叶变换4、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5、以下哪个是计算机视觉中的光流计算方法?()A.Lucas-Kanade法B.Canny边缘检测C.Hough变换D.区域生长6、计算机视觉中,以下哪个不是图像的对比度增强方法?()A.线性变换B.对数变换C.指数变换D.中值滤波7、以下哪种方法可以用于图像的超分辨率重建?()A.基于插值的方法B.基于深度学习的方法C.基于模型的方法D.以上都是8、以下哪种方法可以用于计算机视觉中的无监督学习?()A.自编码器B.聚类C.生成对抗网络D.以上都是9、在图像识别中,以下哪个因素对模型性能影响较大?()A.数据量B.模型复杂度C.训练时间D.计算资源10、计算机视觉中的行人重识别主要关注()A.行人的身份B.行人的动作C.行人的穿着D.行人的姿态11、在计算机视觉中,以下哪种技术常用于图像的目标跟踪初始化?()A.手动标注B.检测结果C.背景减除D.以上都是12、计算机视觉中,以下哪个任务通常需要对图像中的目标进行定位和分类?()A.图像生成B.目标检测C.图像超分辨率D.图像去噪13、计算机视觉中的语义分割与实例分割的主要区别是()A.分割的粒度不同B.所用的算法不同C.处理的数据不同D.应用场景不同14、在计算机视觉中,以下哪种方法常用于图像的运动模糊去除?()A.反卷积B.深度学习C.频域滤波D.以上都是15、以下哪种损失函数常用于图像分类任务?()A.均方误差损失B.交叉熵损失C.绝对值损失D.对数损失16、在计算机视觉中,以下哪种技术常用于医学图像分析?()A.病变检测B.器官分割C.图像配准D.以上都是17、计算机视觉中的光场成像可以获取()A.物体的深度信息B.物体的表面材质C.物体的运动轨迹D.物体的内部结构18、计算机视觉里,以下哪个不是视频中的目标跟踪方法?()A.基于核相关滤波的方法B.基于深度学习的方法C.基于粒子滤波的方法D.基于聚类的方法19、计算机视觉中,用于图像去雨的方法包括()A.基于物理模型的方法B.基于深度学习的方法C.基于滤波的方法D.以上都是20、以下哪种方法可以用于减少深度学习模型的过拟合?()A.增加数据量B.正则化C.早停法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)说明计算机视觉中运动估计的基本原理。2、(本题10分)解释计算机视觉在典当行业中的作用。3、(本题10分)简述计算机视觉中迁移学习的方法和优势。4、(本题10分)计算机视觉中如何进行宗教服务中的人员管理?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