西南民族大學《包裝設計》2022-2023學年第一學期期末試卷_第1頁
西南民族大學《包裝設計》2022-2023學年第一學期期末試卷_第2頁
西南民族大學《包裝設計》2022-2023學年第一學期期末試卷_第3頁
西南民族大學《包裝設計》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頁西南民族大學

《包裝設計》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批閱人一、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、計算機視覺中,以下哪種方法常用于圖像的特征匹配?()A.暴力匹配B.快速近似最近鄰搜索C.隨機抽樣一致性D.以上都是2、在計算機視覺中,以下哪種方法常用于圖像的實例分割?()A.MaskR-CNNB.FCNC.U-NetD.SegNet3、以下哪個不是計算機視覺中的性能評估指標?()A.準確率B.召回率C.F1值D.均方根誤差4、以下哪個不是計算機視覺中的圖像融合方法?()A.基于像素的融合B.基于特征的融合C.基于區域的融合D.基于分類的融合5、計算機視覺中,以下哪種方法可以用于圖像的超分辨率重建?()A.基于插值B.基于深度學習C.基于模型D.以上都是6、以下哪種方法可以用于圖像的超分辨率重建?()A.基于插值的方法B.基于深度學習的方法C.基于模型的方法D.以上都是7、計算機視覺中,用于目標檢測的常見算法是()A.R-CNNB.傅里葉變換C.中值濾波D.直方圖均衡化8、計算機視覺中,用于圖像去噪的常見方法不包括()A.均值濾波B.中值濾波C.高斯濾波D.傅里葉變換9、在計算機視覺中,以下哪種技術常用于醫學圖像分析?()A.病變檢測B.器官分割C.圖像配準D.以上都是10、在圖像識別中,以下哪個因素對模型性能影響較大?()A.數據量B.模型復雜度C.訓練時間D.計算資源11、以下哪種技術可以用于減少圖像中的光照不均勻?()A.直方圖均衡化B.中值濾波C.均值濾波D.高斯濾波12、在計算機視覺中,以下哪種方法常用于圖像修復?()A.基于擴散的方法B.基于深度學習的方法C.基于紋理合成的方法D.以上都是13、計算機視覺里,用于檢測圖像中的直線的算法是()A.霍夫變換B.分水嶺算法C.區域分裂合并D.形態學梯度14、計算機視覺中的醫學圖像分析包括()A.病灶檢測B.器官分割C.疾病診斷D.以上都是15、計算機視覺中的行人重識別主要關注()A.行人的身份B.行人的動作C.行人的穿著D.行人的姿態16、在計算機視覺中,以下哪種方法常用于圖像的語義分割中的邊界優化?()A.條件隨機場B.全連接條件隨機場C.深度學習D.以上都是17、以下哪種方法可以用于圖像超分辨率重建?()A.基于插值B.基于深度學習C.基于重建算法D.以上都是18、以下哪個是計算機視覺中的圖像檢索系統組成部分?()A.特征提取B.索引構建C.相似性度量D.以上都是19、以下哪個不是計算機視覺中的圖像去霧方法?()A.基于物理模型B.基于深度學習C.基于直方圖均衡化D.基于中值濾波20、以下哪個不是計算機視覺中常用的圖像預處理操作?()A.灰度化B.銳化C.傅里葉變換D.數據增強二、簡答題(本大題共4個小題,共40分)1、(本題10分)解釋計算機視覺中的圖像壓縮算法。2、(本題10分)說明計算機視覺在智能穿戴設備中的應用。3、(本題10分)說明計算機視覺中模型評估指標的選擇和意義。4、(本題10分)描述計算機視覺在地下水監測中的應用。三、應用題(本大題共

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。

評論

0/150

提交評論