遼寧經(jīng)濟(jì)職業(yè)技術(shù)學(xué)院《平面廣告》2023-2024學(xué)年第二學(xué)期期末試卷

學(xué)校________________班級(jí)____________姓名____________考場(chǎng)____________準(zhǔn)考證號(hào)學(xué)校________________班級(jí)____________姓名____________考場(chǎng)____________準(zhǔn)考證號(hào)…………密…………封…………線…………內(nèi)…………不…………要…………答…………題…………第1頁(yè)，共3頁(yè)遼寧經(jīng)濟(jì)職業(yè)技術(shù)學(xué)院《平面廣告》

2023-2024學(xué)年第二學(xué)期期末試卷題號(hào)一二三四總分得分批閱人一、單選題（本大題共30個(gè)小題，每小題1分，共30分．在每小題給出的四個(gè)選項(xiàng)中，只有一項(xiàng)是符合題目要求的．）1、計(jì)算機(jī)視覺(jué)在人臉識(shí)別領(lǐng)域取得了顯著進(jìn)展。假設(shè)要開(kāi)發(fā)一個(gè)人臉識(shí)別系統(tǒng)，以下關(guān)于人臉識(shí)別技術(shù)的描述，哪一項(xiàng)是不正確的？（）A.可以通過(guò)提取人臉的幾何特征、紋理特征或深度學(xué)習(xí)特征進(jìn)行識(shí)別B.人臉識(shí)別系統(tǒng)通常需要進(jìn)行活體檢測(cè)，以防止使用照片或視頻等欺詐手段C.大規(guī)模的人臉數(shù)據(jù)集和深度學(xué)習(xí)模型的結(jié)合，大大提高了人臉識(shí)別的準(zhǔn)確率D.人臉識(shí)別技術(shù)在任何光照條件、姿態(tài)變化和表情變化下都能準(zhǔn)確識(shí)別，不受這些因素的影響2、在圖像配準(zhǔn)任務(wù)中，需要將不同時(shí)間、不同視角或不同傳感器獲取的圖像進(jìn)行對(duì)齊。假設(shè)我們要將一張衛(wèi)星圖像與一張航拍圖像進(jìn)行配準(zhǔn)，以下哪個(gè)因素對(duì)于配準(zhǔn)的準(zhǔn)確性影響最大？（）A.圖像的分辨率差異B.圖像的旋轉(zhuǎn)和平移C.圖像的光照條件D.圖像中的噪聲3、計(jì)算機(jī)視覺(jué)中的圖像風(fēng)格遷移是一項(xiàng)有趣的任務(wù)。假設(shè)要將一幅油畫(huà)的風(fēng)格應(yīng)用到一張照片上，以下關(guān)于模型訓(xùn)練的要點(diǎn)，哪一項(xiàng)是不正確的？（）A.學(xué)習(xí)油畫(huà)和照片的特征表示，找到風(fēng)格和內(nèi)容的分離方式B.只關(guān)注風(fēng)格的遷移，不考慮照片原始內(nèi)容的保留C.采用對(duì)抗訓(xùn)練，使生成的圖像在風(fēng)格和內(nèi)容上達(dá)到平衡D.調(diào)整模型參數(shù)，控制風(fēng)格遷移的強(qiáng)度和效果4、當(dāng)利用計(jì)算機(jī)視覺(jué)進(jìn)行圖像去模糊任務(wù)，恢復(fù)清晰的圖像，以下哪種先驗(yàn)知識(shí)或約束可能有助于解決這個(gè)問(wèn)題？（）A.自然圖像的梯度稀疏性B.圖像的低頻成分C.圖像的邊緣信息D.以上都是5、假設(shè)要開(kāi)發(fā)一個(gè)能夠在低光照條件下清晰拍攝并處理圖像的計(jì)算機(jī)視覺(jué)系統(tǒng)，以下哪種圖像增強(qiáng)方法可能有助于改善圖像質(zhì)量？（）A.直方圖均衡化B.伽馬校正C.暗通道先驗(yàn)去霧D.以上都是6、當(dāng)利用計(jì)算機(jī)視覺(jué)進(jìn)行圖像分類(lèi)任務(wù)，例如區(qū)分不同種類(lèi)的動(dòng)物圖片，為了提高模型的泛化能力和防止過(guò)擬合，以下哪種技術(shù)可能是有效的？（）A.數(shù)據(jù)增強(qiáng)B.正則化C.模型融合D.以上都是7、在計(jì)算機(jī)視覺(jué)的圖像修復(fù)任務(wù)中，恢復(fù)圖像中缺失或損壞的部分。假設(shè)要修復(fù)一張老照片中缺失的部分，以下關(guān)于圖像修復(fù)方法的描述，正確的是：（）A.基于紋理合成的圖像修復(fù)方法能夠完美恢復(fù)復(fù)雜的結(jié)構(gòu)和細(xì)節(jié)B.深度學(xué)習(xí)中的自編碼器在圖像修復(fù)中無(wú)法學(xué)習(xí)到有效的特征表示C.圖像修復(fù)的結(jié)果不受缺失區(qū)域的大小和形狀的影響D.結(jié)合先驗(yàn)知識(shí)和上下文信息的深度學(xué)習(xí)方法可以產(chǎn)生更合理和自然的修復(fù)效果8、在計(jì)算機(jī)視覺(jué)的場(chǎng)景理解任務(wù)中，假設(shè)要理解一個(gè)室內(nèi)場(chǎng)景的布局和物體關(guān)系。以下關(guān)于利用深度學(xué)習(xí)模型的方法，哪一項(xiàng)是不太恰當(dāng)?shù)?？（）A.使用卷積神經(jīng)網(wǎng)絡(luò)（CNN）提取圖像特征B.運(yùn)用循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）處理場(chǎng)景的序列信息C.直接使用未經(jīng)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)，期望其自動(dòng)學(xué)習(xí)場(chǎng)景理解D.結(jié)合CNN和RNN，構(gòu)建端到端的場(chǎng)景理解模型9、在計(jì)算機(jī)視覺(jué)的視頻理解任務(wù)中，例如理解一段體育比賽視頻中的精彩瞬間和戰(zhàn)術(shù)，需要對(duì)視頻中的時(shí)空信息進(jìn)行有效建模。以下哪種方法在時(shí)空建模方面可能具有優(yōu)勢(shì)？（）A.3D卷積神經(jīng)網(wǎng)絡(luò)B.長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)C.注意力機(jī)制D.以上都是10、圖像分割是將圖像分成不同的區(qū)域或?qū)ο?。假設(shè)要對(duì)醫(yī)學(xué)影像中的腫瘤區(qū)域進(jìn)行精確分割，以下關(guān)于圖像分割方法的描述，正確的是：（）A.手動(dòng)分割是最準(zhǔn)確的方法，不需要借助計(jì)算機(jī)算法B.基于閾值的圖像分割方法能夠適用于所有類(lèi)型的醫(yī)學(xué)影像分割問(wèn)題C.深度學(xué)習(xí)中的全卷積網(wǎng)絡(luò)（FCN）及其變體在醫(yī)學(xué)圖像分割中具有很大的潛力D.圖像分割的結(jié)果只取決于所使用的分割算法，與圖像的預(yù)處理無(wú)關(guān)11、在計(jì)算機(jī)視覺(jué)中，目標(biāo)檢測(cè)是一項(xiàng)重要任務(wù)。假設(shè)要在一張包含多種物體的圖像中準(zhǔn)確檢測(cè)出汽車(chē)的位置和類(lèi)別。以下關(guān)于目標(biāo)檢測(cè)算法的描述，正確的是：（）A.傳統(tǒng)的基于特征提取和分類(lèi)器的方法在復(fù)雜場(chǎng)景下檢測(cè)效果優(yōu)于深度學(xué)習(xí)方法B.深度學(xué)習(xí)中的FasterR-CNN算法通過(guò)生成候選區(qū)域和分類(lèi)回歸，能夠?qū)崿F(xiàn)高精度的目標(biāo)檢測(cè)C.目標(biāo)檢測(cè)算法只關(guān)注物體的外觀特征，不考慮物體之間的空間關(guān)系D.所有的目標(biāo)檢測(cè)算法對(duì)于小目標(biāo)的檢測(cè)都具有同樣出色的性能12、計(jì)算機(jī)視覺(jué)中的光流估計(jì)是計(jì)算圖像中像素的運(yùn)動(dòng)信息。以下關(guān)于光流估計(jì)的敘述，不正確的是（）A.光流估計(jì)可以用于視頻中的運(yùn)動(dòng)分析、目標(biāo)跟蹤和動(dòng)作識(shí)別等任務(wù)B.基于深度學(xué)習(xí)的光流估計(jì)方法在精度和速度上都有了很大的提升C.光流估計(jì)只對(duì)勻速運(yùn)動(dòng)的物體有效，對(duì)于復(fù)雜的非勻速運(yùn)動(dòng)估計(jì)不準(zhǔn)確D.光流估計(jì)的結(jié)果可以為后續(xù)的計(jì)算機(jī)視覺(jué)任務(wù)提供重要的運(yùn)動(dòng)線索13、計(jì)算機(jī)視覺(jué)中的醫(yī)學(xué)圖像分析中，假設(shè)要對(duì)腫瘤進(jìn)行檢測(cè)和分割。以下關(guān)于醫(yī)學(xué)圖像分析方法的描述，正確的是：（）A.由于醫(yī)學(xué)圖像的特殊性，傳統(tǒng)的計(jì)算機(jī)視覺(jué)方法無(wú)法應(yīng)用于醫(yī)學(xué)圖像分析B.深度學(xué)習(xí)方法在醫(yī)學(xué)圖像分析中能夠準(zhǔn)確檢測(cè)腫瘤，但對(duì)小腫瘤容易漏檢C.多模態(tài)醫(yī)學(xué)圖像融合可以提供更豐富的信息，但融合算法復(fù)雜，效果不穩(wěn)定D.醫(yī)學(xué)圖像分析的結(jié)果不需要經(jīng)過(guò)醫(yī)生的審核和確認(rèn)，可以直接用于診斷14、計(jì)算機(jī)視覺(jué)在體育賽事分析中的應(yīng)用可以提供更多的數(shù)據(jù)和見(jiàn)解。假設(shè)要分析一場(chǎng)足球比賽中球員的跑動(dòng)軌跡和動(dòng)作。以下關(guān)于計(jì)算機(jī)視覺(jué)在體育賽事中的描述，哪一項(xiàng)是不準(zhǔn)確的？（）A.可以通過(guò)對(duì)視頻的分析，自動(dòng)跟蹤球員的位置和運(yùn)動(dòng)軌跡B.能夠?qū)η騿T的動(dòng)作進(jìn)行分類(lèi)，如傳球、射門(mén)和防守C.計(jì)算機(jī)視覺(jué)在體育賽事分析中的結(jié)果可以直接作為裁判的判罰依據(jù)，無(wú)需人工復(fù)查D.可以結(jié)合多攝像頭的信息，獲取更全面和準(zhǔn)確的比賽數(shù)據(jù)15、計(jì)算機(jī)視覺(jué)中的圖像配準(zhǔn)是將不同時(shí)間、不同視角或不同傳感器獲取的圖像進(jìn)行對(duì)齊。假設(shè)要將兩張拍攝角度不同的衛(wèi)星圖像進(jìn)行配準(zhǔn)，以下關(guān)于圖像配準(zhǔn)方法的描述，哪一項(xiàng)是不正確的？（）A.基于特征的圖像配準(zhǔn)方法通過(guò)提取圖像中的顯著特征，并進(jìn)行匹配來(lái)實(shí)現(xiàn)配準(zhǔn)B.基于灰度的圖像配準(zhǔn)方法直接比較圖像的灰度值，計(jì)算相似性度量來(lái)完成配準(zhǔn)C.圖像配準(zhǔn)的精度主要取決于特征提取的準(zhǔn)確性和匹配算法的性能D.圖像配準(zhǔn)總是能夠完美地將兩張圖像對(duì)齊，不存在任何誤差16、計(jì)算機(jī)視覺(jué)中的語(yǔ)義分割任務(wù)旨在為圖像中的每個(gè)像素分配一個(gè)類(lèi)別標(biāo)簽。假設(shè)要對(duì)醫(yī)學(xué)圖像中的病變區(qū)域進(jìn)行精確分割，以下哪種技術(shù)可能對(duì)提高分割精度有較大幫助？（）A.使用更深的卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)B.引入多尺度特征融合C.增加訓(xùn)練數(shù)據(jù)中的噪聲D.減少網(wǎng)絡(luò)中的參數(shù)數(shù)量17、在計(jì)算機(jī)視覺(jué)中，圖像去霧是提高有霧圖像質(zhì)量的技術(shù)。以下關(guān)于圖像去霧的描述，不準(zhǔn)確的是（）A.圖像去霧可以基于物理模型或深度學(xué)習(xí)方法來(lái)實(shí)現(xiàn)B.深度學(xué)習(xí)方法在圖像去霧中能夠有效地恢復(fù)圖像的細(xì)節(jié)和顏色C.圖像去霧只對(duì)輕度有霧的圖像有效，對(duì)于濃霧圖像效果不佳D.圖像去霧可以提高圖像的清晰度和可視性，有助于后續(xù)的處理和分析18、在計(jì)算機(jī)視覺(jué)的場(chǎng)景理解任務(wù)中，需要對(duì)整個(gè)圖像場(chǎng)景進(jìn)行分析和解釋。假設(shè)我們有一張城市街道的圖像，要理解其中的道路、建筑物、車(chē)輛和行人之間的關(guān)系。以下哪種方法能夠提供更全面和深入的場(chǎng)景理解？（）A.基于對(duì)象檢測(cè)和分類(lèi)的方法B.基于語(yǔ)義分割和圖模型的方法C.基于深度學(xué)習(xí)的場(chǎng)景解析網(wǎng)絡(luò)D.基于特征匹配和聚類(lèi)的方法19、計(jì)算機(jī)視覺(jué)中的工業(yè)檢測(cè)任務(wù)需要檢測(cè)產(chǎn)品的缺陷和瑕疵。假設(shè)要在生產(chǎn)線上對(duì)一批電子產(chǎn)品的外觀進(jìn)行檢測(cè)，要求快速準(zhǔn)確地發(fā)現(xiàn)微小的缺陷。以下哪種工業(yè)檢測(cè)方法在處理這種高精度要求的任務(wù)時(shí)最為適用？（）A.機(jī)器視覺(jué)檢測(cè)B.人工目檢C.抽樣檢測(cè)D.基于統(tǒng)計(jì)的檢測(cè)20、在計(jì)算機(jī)視覺(jué)的發(fā)展中，模型的可解釋性是一個(gè)重要的研究方向。以下關(guān)于模型可解釋性的描述，不準(zhǔn)確的是（）A.模型可解釋性旨在理解模型是如何做出決策和生成輸出的B.可解釋性對(duì)于建立用戶(hù)對(duì)模型的信任和確保模型的公正性具有重要意義C.一些可視化技術(shù)，如特征圖可視化和類(lèi)激活映射，可以幫助解釋模型的決策過(guò)程D.目前的計(jì)算機(jī)視覺(jué)模型都具有良好的可解釋性，能夠清晰地解釋其決策依據(jù)21、假設(shè)要構(gòu)建一個(gè)能夠?qū)Ψb進(jìn)行款式和顏色識(shí)別的計(jì)算機(jī)視覺(jué)系統(tǒng)，用于時(shí)尚推薦和庫(kù)存管理。在處理服裝圖像時(shí)，由于服裝的款式和顏色變化多樣，以下哪種特征表示方法可能更適合？（）A.手工設(shè)計(jì)的特征B.基于深度學(xué)習(xí)的自動(dòng)特征C.顏色直方圖D.以上都是22、在計(jì)算機(jī)視覺(jué)的姿態(tài)估計(jì)任務(wù)中，需要確定物體在三維空間中的方向和位置。假設(shè)要估計(jì)一個(gè)機(jī)器人手臂的姿態(tài)，以實(shí)現(xiàn)精確的控制和操作。以下哪種姿態(tài)估計(jì)方法在處理這種機(jī)械結(jié)構(gòu)時(shí)準(zhǔn)確性更高？（）A.基于模型的姿態(tài)估計(jì)B.基于深度學(xué)習(xí)的姿態(tài)估計(jì)C.基于視覺(jué)慣性里程計(jì)的姿態(tài)估計(jì)D.基于幾何約束的姿態(tài)估計(jì)23、圖像分割是將圖像分成不同的區(qū)域，每個(gè)區(qū)域具有相似的特征。假設(shè)要對(duì)醫(yī)學(xué)圖像進(jìn)行器官分割，以下關(guān)于圖像分割方法的描述，哪一項(xiàng)是不正確的？（）A.基于閾值的分割方法簡(jiǎn)單直接，但對(duì)于復(fù)雜圖像效果往往不佳B.基于邊緣檢測(cè)的分割方法通過(guò)尋找圖像中的邊緣來(lái)劃分區(qū)域，但容易受到噪聲影響C.基于深度學(xué)習(xí)的語(yǔ)義分割方法能夠?qū)崿F(xiàn)像素級(jí)別的分類(lèi)，效果較好，但計(jì)算量較大D.圖像分割只適用于灰度圖像，對(duì)于彩色圖像無(wú)法進(jìn)行有效的分割24、在計(jì)算機(jī)視覺(jué)中，圖像檢索是根據(jù)用戶(hù)的需求從圖像數(shù)據(jù)庫(kù)中查找相關(guān)的圖像。以下關(guān)于圖像檢索的說(shuō)法，錯(cuò)誤的是（）A.圖像檢索可以基于圖像的內(nèi)容，如顏色、形狀和紋理等特征B.深度學(xué)習(xí)方法可以學(xué)習(xí)到更具語(yǔ)義的圖像表示，提高圖像檢索的準(zhǔn)確性C.圖像檢索在電子商務(wù)、數(shù)字圖書(shū)館和圖像搜索引擎等領(lǐng)域有廣泛的應(yīng)用D.圖像檢索的性能只取決于圖像特征的提取，與數(shù)據(jù)庫(kù)的組織和索引無(wú)關(guān)25、在計(jì)算機(jī)視覺(jué)的場(chǎng)景理解任務(wù)中，需要理解整個(gè)圖像的語(yǔ)義信息。假設(shè)要分析一張城市街道的圖像中包含的物體和它們之間的關(guān)系，以下關(guān)于場(chǎng)景理解方法的描述，正確的是：（）A.單獨(dú)對(duì)圖像中的每個(gè)物體進(jìn)行識(shí)別和分類(lèi)就能實(shí)現(xiàn)場(chǎng)景理解B.忽略圖像中的上下文信息和空間布局對(duì)場(chǎng)景理解沒(méi)有影響C.利用深度學(xué)習(xí)中的語(yǔ)義分割和圖模型可以更好地理解場(chǎng)景的結(jié)構(gòu)和語(yǔ)義關(guān)系D.場(chǎng)景理解只適用于簡(jiǎn)單的室內(nèi)場(chǎng)景，對(duì)于復(fù)雜的戶(hù)外場(chǎng)景無(wú)法處理26、計(jì)算機(jī)視覺(jué)是一門(mén)研究如何讓計(jì)算機(jī)從圖像或視頻中獲取信息和理解內(nèi)容的學(xué)科。在計(jì)算機(jī)視覺(jué)的應(yīng)用中，目標(biāo)檢測(cè)是一項(xiàng)重要任務(wù)。以下關(guān)于目標(biāo)檢測(cè)的描述，不準(zhǔn)確的是（）A.目標(biāo)檢測(cè)能夠準(zhǔn)確識(shí)別圖像或視頻中特定類(lèi)別的物體，并確定其位置和大小B.深度學(xué)習(xí)技術(shù)的發(fā)展極大地提高了目標(biāo)檢測(cè)的準(zhǔn)確性和效率C.目標(biāo)檢測(cè)只適用于靜態(tài)圖像，對(duì)于動(dòng)態(tài)視頻的處理效果不佳D.目標(biāo)檢測(cè)在自動(dòng)駕駛、安防監(jiān)控和工業(yè)檢測(cè)等領(lǐng)域有著廣泛的應(yīng)用27、在計(jì)算機(jī)視覺(jué)的圖像增強(qiáng)任務(wù)中，旨在改善圖像的質(zhì)量。假設(shè)一張低光照條件下拍攝的照片需要增強(qiáng)。以下關(guān)于圖像增強(qiáng)方法的描述，哪一項(xiàng)是錯(cuò)誤的？（）A.可以通過(guò)直方圖均衡化方法增強(qiáng)圖像的對(duì)比度B.基于濾波的方法能夠去除圖像中的噪聲，同時(shí)增強(qiáng)細(xì)節(jié)C.圖像增強(qiáng)可以無(wú)限制地提高圖像的質(zhì)量，不存在過(guò)度增強(qiáng)的問(wèn)題D.深度學(xué)習(xí)中的生成對(duì)抗網(wǎng)絡(luò)（GAN）也可以用于圖像增強(qiáng)28、計(jì)算機(jī)視覺(jué)中的動(dòng)作識(shí)別是對(duì)視頻中人物或物體的動(dòng)作進(jìn)行分類(lèi)和理解。假設(shè)要識(shí)別一段舞蹈視頻中的各種舞蹈動(dòng)作，同時(shí)要考慮動(dòng)作的速度、幅度和風(fēng)格的變化。以下哪種動(dòng)作識(shí)別方法在處理這種復(fù)雜的動(dòng)作模式時(shí)表現(xiàn)更好？（）A.基于手工特征的動(dòng)作識(shí)別B.基于時(shí)空興趣點(diǎn)的動(dòng)作識(shí)別C.基于深度學(xué)習(xí)的時(shí)空卷積網(wǎng)絡(luò)D.基于隱馬爾可夫模型的動(dòng)作識(shí)別29、在一個(gè)基于計(jì)算機(jī)視覺(jué)的智能交通監(jiān)控系統(tǒng)中，需要對(duì)車(chē)輛的類(lèi)型、速度和行駛軌跡進(jìn)行分析。以下哪種技術(shù)在車(chē)輛分析方面可能發(fā)揮關(guān)鍵作用？（）A.目標(biāo)檢測(cè)和跟蹤B.車(chē)牌識(shí)別C.軌跡預(yù)測(cè)D.以上都是30、計(jì)算機(jī)視覺(jué)在安防監(jiān)控領(lǐng)域有重要應(yīng)用。假設(shè)要通過(guò)攝像頭監(jiān)控一個(gè)公共場(chǎng)所，以下關(guān)于計(jì)算機(jī)視覺(jué)在安防監(jiān)控中的應(yīng)用描述，哪一項(xiàng)是不正確的？（）A.可以實(shí)時(shí)檢測(cè)異常行為，如人群聚集、奔跑等B.能夠?qū)θ藛T進(jìn)行身份識(shí)別和認(rèn)證C.計(jì)算機(jī)視覺(jué)系統(tǒng)可以獨(dú)立完成所有的安防監(jiān)控任務(wù)，不需要人工干預(yù)D.與其他安防設(shè)備和系統(tǒng)集成，提高整體的安全性和防范能力二、應(yīng)用題（本大題共5個(gè)小題，共25分)1、（本題5分）利用圖像分割技術(shù)，從心電圖中分割出異常波形。2、（本題5分）運(yùn)用圖像識(shí)別算法，對(duì)不同類(lèi)型的鞋子品牌和款式進(jìn)行分類(lèi)和識(shí)別。3、（本題5分）基于計(jì)算機(jī)視覺(jué)的手勢(shì)識(shí)別系統(tǒng)，實(shí)現(xiàn)簡(jiǎn)單的手勢(shì)控制操作。4、（本題5分）通過(guò)計(jì)算機(jī)視覺(jué)，對(duì)不同類(lèi)型的麥稈畫(huà)作品進(jìn)行分類(lèi)。5、（本題5分）基于深度學(xué)習(xí)的圖像生成技術(shù)，生成具有特定主題的繪畫(huà)作品。三、簡(jiǎn)答題（本大題共5個(gè)