寶雞文理學院《插畫設計》2022-2023學年第一學期期末試卷_第1頁
寶雞文理學院《插畫設計》2022-2023學年第一學期期末試卷_第2頁
寶雞文理學院《插畫設計》2022-2023學年第一學期期末試卷_第3頁
寶雞文理學院《插畫設計》2022-2023學年第一學期期末試卷_第4頁
全文預覽已結束

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

自覺遵守考場紀律如考試作弊此答卷無效密自覺遵守考場紀律如考試作弊此答卷無效密封線第1頁,共3頁寶雞文理學院

《插畫設計》2022-2023學年第一學期期末試卷院(系)_______班級_______學號_______姓名_______題號一二三總分得分一、單選題(本大題共20個小題,每小題2分,共40分.在每小題給出的四個選項中,只有一項是符合題目要求的.)1、以下哪個不是計算機視覺中的圖像分割評價指標?()A.IoUB.Dice系數C.準確率D.F1分數2、計算機視覺中,以下哪個任務通常需要對圖像中的目標進行定位和分類?()A.圖像生成B.目標檢測C.圖像超分辨率D.圖像去噪3、計算機視覺中,以下哪種技術常用于圖像配準?()A.特征點匹配B.灰度匹配C.相位相關D.以上都是4、在計算機視覺中,以下哪種方法常用于圖像的語義分割?()A.全卷積網絡B.循環(huán)神經網絡C.支持向量機D.決策樹5、在計算機視覺中,以下哪種技術常用于圖像的目標跟蹤初始化?()A.手動標注B.檢測結果C.背景減除D.以上都是6、以下哪個是計算機視覺中的視頻目標檢測數據集?()A.ImageNetB.UCF101C.MOTD.COCO7、以下哪個不是計算機視覺中的圖像增強算法?()A.拉普拉斯變換B.對數變換C.指數變換D.循環(huán)神經網絡8、計算機視覺中,用于圖像的風格遷移的模型通常基于()A.生成對抗網絡B.卷積神經網絡C.循環(huán)神經網絡D.注意力機制9、在計算機視覺中,以下哪種方法常用于圖像的風格遷移?()A.基于卷積神經網絡B.基于循環(huán)神經網絡C.基于生成對抗網絡D.以上都是10、以下哪個是計算機視覺中的圖像檢索系統(tǒng)組成部分?()A.特征提取B.索引構建C.相似性度量D.以上都是11、以下哪種深度學習模型常用于圖像生成任務?()A.VGGB.ResNetC.GAND.AlexNet12、以下哪個不是計算機視覺中的數據集?()A.MNISTB.CIFAR-10C.ImageNetD.IMDb13、在三維計算機視覺中,以下哪個是重建物體三維形狀的方法?()A.立體視覺B.結構光C.激光掃描D.以上都是14、計算機視覺中,以下哪個不是深度學習框架?()A.TensorFlowB.PyTorchC.OpenCVD.Caffe15、在計算機視覺中,以下哪種深度學習架構常用于圖像生成?()A.GANB.VAEC.DCGAND.以上都是16、以下哪種方法常用于圖像配準?()A.基于特征的配準B.基于灰度的配準C.基于變換的配準D.以上都是17、以下哪個不是計算機視覺中的目標檢測框架?()A.RetinaNetB.CenterNetC.DenseNetD.EfficientDet18、計算機視覺中,以下哪種技術常用于人臉檢測?()A.Haar特征B.HOG特征C.LBP特征D.以上都是19、在圖像分類中,微調(Fine-tuning)是指()A.調整模型的超參數B.在預訓練模型基礎上進行訓練C.重新訓練整個模型D.對數據進行預處理20、計算機視覺里,以下哪個不是視頻中的目標跟蹤方法?()A.基于核相關濾波的方法B.基于深度學習的方法C.基于粒子濾波的方法D.基于聚類的方法二、簡答題(本大題共4個小題,共40分)1、(本題10分)簡述計算機視覺在餐飲行業(yè)中的食品質量檢測和服務優(yōu)化。2、(本題10分)描述計算機視覺在森林防火中的應用。3、(本題10分)計算機視覺中如何進行在線教育中的學生行為分析?4、(本題10分)計算機視覺中如何進行廚房安全監(jiān)控?三、應

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論