湖南工商大学《设计综合表现》2021-2022学年第一学期期末试卷_第1页
湖南工商大学《设计综合表现》2021-2022学年第一学期期末试卷_第2页
湖南工商大学《设计综合表现》2021-2022学年第一学期期末试卷_第3页
湖南工商大学《设计综合表现》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页湖南工商大学《设计综合表现》

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、以下哪个不是计算机视觉中的挑战?()A.光照变化B.物体遮挡C.计算效率D.数据隐私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特征描述子?()A.SIFTB.HOGC.LBPD.DCT4、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5、在计算机视觉中,以下哪种方法常用于图像的显著区域检测?()A.基于频率的方法B.基于对比度的方法C.基于纹理的方法D.以上都是6、以下哪个不是计算机视觉中的图像分类模型?()A.AlexNetB.VGGNetC.ResNetD.LSTM7、在目标检测中,NMS(非极大值抑制)的作用是()A.去除重复检测B.提高检测速度C.提高检测准确率D.以上都是8、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9、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10、以下哪种方法常用于计算机视觉中的图像分类任务的模型压缩?()A.剪枝B.量化C.知识蒸馏D.以上都是11、在图像去噪中,BM3D(Block-Matchingand3DFiltering)算法的优势在于()A.去噪效果好B.保持图像细节C.计算效率高D.以上都是12、在计算机视觉中,图像金字塔常用于()A.多尺度分析B.图像融合C.特征提取D.以上都是13、以下哪个不是计算机视觉中的图像增强算法?()A.直方图规定化B.同态滤波C.锐化滤波D.快速傅里叶变换14、在目标跟踪中,以下哪种方法常用于处理目标遮挡问题?()A.基于模型的方法B.基于特征的方法C.基于深度学习的方法D.以上都是15、计算机视觉里,以下哪个不是图像的形态学梯度计算方法?()A.膨胀与腐蚀之差B.膨胀与腐蚀之和C.开运算与闭运算之差D.开运算与闭运算之和16、在图像理解中,语义鸿沟是指()A.图像的低层特征与高层语义之间的差距B.不同图像之间的语义差异C.图像数据与标注数据之间的不一致D.人类理解与计算机理解的差异17、以下哪个不是计算机视觉中的图像生成任务?()A.图像翻译B.图像补全C.图像分类D.图像超分辨率18、计算机视觉里,以下哪个不是图像的几何变换?()A.平移B.旋转C.缩放D.直方图均衡19、在目标跟踪中,基于深度学习的方法通常利用()进行特征提取。A.卷积神经网络B.循环神经网络C.生成对抗网络D.自动编码器20、计算机视觉中,用于图像的去雾的方法通常基于()A.物理模型B.深度学习C.图像增强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)说明计算机视觉在物流配送优化中的作用。2、(本题10分)计算机视觉中如何处理小目标检测问题?3、(本题10分)解释计算机视觉中的强化学习在机器人视觉中的应用。4、(本题10分)描述计算机视觉在海洋生物监测中的应用。三、应用题(本大题共

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