黄山学院《广告设计》2023-2024学年第一学期期末试卷_第1页
黄山学院《广告设计》2023-2024学年第一学期期末试卷_第2页
黄山学院《广告设计》2023-2024学年第一学期期末试卷_第3页
黄山学院《广告设计》2023-2024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页黄山学院《广告设计》

2023-2024学年第一学期期末试卷题号一二三总分得分一、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、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2、在图像分类中,数据不平衡问题可以通过()解决。A.过采样B.欠采样C.生成新数据D.以上都是3、以下哪个不是计算机视觉中的图像修复方法?()A.基于偏微分方程的方法B.基于样本的方法C.基于深度学习的方法D.基于聚类的方法4、计算机视觉中的边缘检测算子不包括()A.Roberts算子B.Prewitt算子C.Sobel算子D.Gaussian算子5、在目标检测中,YOLO(YouOnlyLookOnce)算法的特点是()A.检测速度快B.检测精度高C.适用于小目标检测D.对遮挡不敏感6、计算机视觉里,用于检测图像中的直线的算法是()A.霍夫变换B.分水岭算法C.区域分裂合并D.形态学梯度7、以下哪种方法可以用于提高图像分类模型的泛化能力?()A.数据增强B.模型融合C.迁移学习D.以上都是8、计算机视觉里,以下哪种图像增强方法可以增加图像的对比度?()A.直方图均衡化B.高斯模糊C.中值滤波D.膨胀操作9、计算机视觉中,以下哪个不是深度学习框架?()A.TensorFlowB.PyTorchC.OpenCVD.Caffe10、在医学图像分析中,计算机视觉可以用于()A.肿瘤检测B.病灶分割C.器官识别D.以上都是11、在计算机视觉中,以下哪种方法常用于图像的目标检测中的遮挡处理?()A.上下文信息B.跟踪历史C.多视角融合D.以上都是12、计算机视觉中,用于图像去噪的常见方法不包括()A.均值滤波B.中值滤波C.高斯滤波D.傅里叶变换13、以下哪个不是计算机视觉中的图像分割方法?()A.阈值分割B.边缘分割C.聚类分割D.傅里叶变换14、计算机视觉中,以下哪种技术常用于监控视频分析?()A.人员计数B.行为分析C.异常检测D.以上都是15、计算机视觉中,图像金字塔常用于()A.特征提取B.图像压缩C.目标检测D.图像分割16、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17、以下哪种技术可以用于减少图像中的光照不均匀?()A.直方图均衡化B.中值滤波C.均值滤波D.高斯滤波18、以下哪个是计算机视觉中的视频目标跟踪方法?()A.基于滤波B.基于深度学习C.基于相关滤波D.以上都是19、以下哪种方法常用于计算机视觉中的图像去雾?()A.暗通道先验B.直方图均衡化C.中值滤波D.均值滤波20、计算机视觉里,以下哪种方法常用于图像的特征点检测?()A.FAST算法B.SURF算法C.ORB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)解释计算机视觉在移民服务中的作用。2、(本题10分)解释计算机视觉中的人群密度估计任务。3、(本题10分)简述图像的几何变换有哪些及用途。4、(本题10分)计算机视觉中如何进行商品质量检测?三、应用题(本大

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