站名：站名：年級(jí)專業(yè)：姓名：學(xué)號(hào)：凡年級(jí)專業(yè)、姓名、學(xué)號(hào)錯(cuò)寫、漏寫或字跡不清者，成績(jī)按零分記?！堋狻€…………第1頁(yè)，共1頁(yè)閩江學(xué)院《文字與版式設(shè)計(jì)》

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、在計(jì)算機(jī)視覺(jué)的行人重識(shí)別任務(wù)中，需要在不同攝像頭拍攝的圖像中識(shí)別出同一個(gè)行人。假設(shè)我們要在一個(gè)大型商場(chǎng)的監(jiān)控系統(tǒng)中實(shí)現(xiàn)行人重識(shí)別，以下哪種特征和模型能夠提高識(shí)別的準(zhǔn)確率和跨攝像頭的泛化能力？（）A.基于顏色和紋理的特征B.基于深度學(xué)習(xí)的全局特征和度量學(xué)習(xí)C.基于形狀和輪廓的特征D.基于步態(tài)和姿勢(shì)的特征2、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3、計(jì)算機(jī)視覺(jué)中的目標(biāo)跟蹤是指在視頻序列中持續(xù)跟蹤特定的目標(biāo)。以下關(guān)于目標(biāo)跟蹤的敘述，不正確的是（）A.目標(biāo)跟蹤可以基于特征匹配、濾波算法或深度學(xué)習(xí)方法來(lái)實(shí)現(xiàn)B.目標(biāo)的外觀變化、遮擋和背景干擾等因素會(huì)給目標(biāo)跟蹤帶來(lái)挑戰(zhàn)C.目標(biāo)跟蹤在智能監(jiān)控、人機(jī)交互和自動(dòng)駕駛等領(lǐng)域有著廣泛的應(yīng)用D.目標(biāo)跟蹤算法能夠在任何情況下都準(zhǔn)確地跟蹤目標(biāo)，不受復(fù)雜環(huán)境的影響4、在計(jì)算機(jī)視覺(jué)的圖像質(zhì)量評(píng)估任務(wù)中，假設(shè)要評(píng)估一張經(jīng)過(guò)處理后的圖像的質(zhì)量。以下關(guān)于圖像質(zhì)量評(píng)估方法的描述，正確的是：（）A.主觀評(píng)估方法通過(guò)人的觀察和判斷來(lái)評(píng)價(jià)圖像質(zhì)量，結(jié)果準(zhǔn)確可靠B.客觀評(píng)估方法中的全參考方法需要原始未失真圖像作為參考，計(jì)算復(fù)雜度低C.無(wú)參考圖像質(zhì)量評(píng)估方法能夠在沒(méi)有原始圖像的情況下準(zhǔn)確評(píng)估圖像質(zhì)量D.所有的圖像質(zhì)量評(píng)估方法都能夠完全反映人對(duì)圖像質(zhì)量的主觀感受5、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)出汽車的位置和類別。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6、計(jì)算機(jī)視覺(jué)中的視頻壓縮是為了減少視頻數(shù)據(jù)的存儲(chǔ)空間和傳輸帶寬。假設(shè)要對(duì)一段高清視頻進(jìn)行壓縮，同時(shí)保持較好的視覺(jué)質(zhì)量。以下關(guān)于視頻壓縮方法的描述，正確的是：（）A.幀內(nèi)壓縮通過(guò)去除圖像內(nèi)部的冗余信息實(shí)現(xiàn)壓縮，對(duì)圖像質(zhì)量影響較小B.幀間壓縮利用相鄰幀之間的相似性進(jìn)行壓縮，但會(huì)引入明顯的失真C.運(yùn)動(dòng)估計(jì)在幀間壓縮中不重要，對(duì)壓縮效率提升作用不大D.視頻壓縮的碼率越低，壓縮效果越好，視覺(jué)質(zhì)量也越高7、當(dāng)利用計(jì)算機(jī)視覺(jué)進(jìn)行圖像超分辨率重建任務(wù)，將低分辨率圖像恢復(fù)為高分辨率圖像，以下哪種深度學(xué)習(xí)模型可能在重建效果上表現(xiàn)出色？（）A.SRCNNB.ESPCNC.DRCND.以上都是8、計(jì)算機(jī)視覺(jué)中的行人重識(shí)別是在不同攝像頭拍攝的圖像或視頻中識(shí)別出特定的行人。以下關(guān)于行人重識(shí)別的敘述，不正確的是（）A.行人重識(shí)別需要提取具有判別性的行人特征，克服視角、光照和姿態(tài)的變化B.深度學(xué)習(xí)方法在行人重識(shí)別任務(wù)中取得了顯著的性能提升C.行人重識(shí)別在智能安防、視頻監(jiān)控和人員追蹤等領(lǐng)域有重要的應(yīng)用D.行人重識(shí)別技術(shù)已經(jīng)能夠在大規(guī)模數(shù)據(jù)集上達(dá)到100%的準(zhǔn)確率9、在計(jì)算機(jī)視覺(jué)的圖像分割任務(wù)中，假設(shè)要對(duì)細(xì)胞圖像進(jìn)行精細(xì)分割。以下關(guān)于模型選擇的考慮因素，哪一項(xiàng)是不準(zhǔn)確的？（）A.模型對(duì)細(xì)胞邊界的捕捉能力B.模型在小樣本數(shù)據(jù)上的泛化能力C.模型的訓(xùn)練時(shí)間和計(jì)算資源需求D.模型的知名度和在學(xué)術(shù)圈的引用次數(shù)10、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)行匹配和對(duì)齊。以下關(guān)于圖像配準(zhǔn)的敘述，不正確的是（）A.圖像配準(zhǔn)需要找到圖像之間的對(duì)應(yīng)點(diǎn)或特征，然后進(jìn)行變換和對(duì)齊B.圖像配準(zhǔn)在醫(yī)學(xué)圖像分析、遙感圖像處理和三維重建等領(lǐng)域有著廣泛的應(yīng)用C.圖像配準(zhǔn)的精度和魯棒性受到圖像質(zhì)量、噪聲和幾何變形等因素的影響D.圖像配準(zhǔn)是一個(gè)簡(jiǎn)單的過(guò)程，不需要復(fù)雜的算法和優(yōu)化11、在計(jì)算機(jī)視覺(jué)的行人重識(shí)別任務(wù)中，假設(shè)要在多個(gè)攝像頭拍攝的畫面中找到同一個(gè)行人。以下關(guān)于特征融合的方法，哪一項(xiàng)是不太合理的？（）A.將行人的外觀特征和步態(tài)特征進(jìn)行融合B.簡(jiǎn)單地將不同特征進(jìn)行拼接，不考慮權(quán)重分配C.根據(jù)特征的重要性為其分配不同的權(quán)重進(jìn)行融合D.利用深度學(xué)習(xí)模型自動(dòng)學(xué)習(xí)特征的融合方式12、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13、計(jì)算機(jī)視覺(jué)中的目標(biāo)計(jì)數(shù)是估計(jì)圖像或視頻中目標(biāo)的數(shù)量。假設(shè)要在一張人群圖像中準(zhǔn)確計(jì)數(shù)人數(shù)，以下關(guān)于目標(biāo)計(jì)數(shù)方法的描述，正確的是：（）A.基于檢測(cè)的計(jì)數(shù)方法通過(guò)檢測(cè)每個(gè)個(gè)體來(lái)實(shí)現(xiàn)計(jì)數(shù)，對(duì)密集場(chǎng)景效果好B.基于回歸的計(jì)數(shù)方法直接預(yù)測(cè)目標(biāo)數(shù)量，計(jì)算速度快但精度較低C.深度學(xué)習(xí)中的注意力機(jī)制在目標(biāo)計(jì)數(shù)中沒(méi)有作用，不能提高計(jì)數(shù)準(zhǔn)確性D.目標(biāo)計(jì)數(shù)只需要考慮目標(biāo)的外觀特征，不需要考慮圖像的上下文信息14、在計(jì)算機(jī)視覺(jué)的視覺(jué)跟蹤與監(jiān)控應(yīng)用中，需要對(duì)特定目標(biāo)進(jìn)行持續(xù)的跟蹤和監(jiān)測(cè)。假設(shè)要對(duì)一個(gè)在大型商場(chǎng)中移動(dòng)的可疑人員進(jìn)行跟蹤，同時(shí)要應(yīng)對(duì)人群遮擋和環(huán)境變化。以下哪種視覺(jué)跟蹤與監(jiān)控技術(shù)在這種情況下能夠提供更可靠的跟蹤結(jié)果？（）A.多目標(biāo)跟蹤算法B.基于深度學(xué)習(xí)的單目標(biāo)跟蹤C(jī).基于粒子濾波的跟蹤D.基于特征匹配的跟蹤15、對(duì)于圖像的紋理分析任務(wù)，假設(shè)要描述和區(qū)分不同類型的紋理，例如木紋和石紋。以下哪種方法可能更有助于準(zhǔn)確分析紋理特征？（）A.基于統(tǒng)計(jì)的方法，計(jì)算紋理的灰度共生矩陣B.基于模型的方法，如馬爾可夫隨機(jī)場(chǎng)C.僅通過(guò)肉眼觀察和主觀描述紋理D.不進(jìn)行任何紋理分析，直接忽略紋理信息16、在進(jìn)行圖像增強(qiáng)時(shí)，我們常常需要在保持圖像細(xì)節(jié)的同時(shí)改善圖像質(zhì)量。假設(shè)一張低光照條件下拍攝的圖像存在大量噪聲，以下哪種圖像增強(qiáng)方法可能不太適合處理這種情況？（）A.直方圖均衡化B.基于小波變換的去噪方法C.中值濾波D.高斯濾波17、在計(jì)算機(jī)視覺(jué)的實(shí)際應(yīng)用中，光照變化會(huì)對(duì)圖像的處理和分析產(chǎn)生影響。以下關(guān)于光照變化的描述，不正確的是（）A.光照變化可能導(dǎo)致圖像的亮度、對(duì)比度和顏色發(fā)生改變，增加了圖像處理的難度B.一些預(yù)處理技術(shù)，如直方圖均衡化，可以在一定程度上減輕光照變化的影響C.深度學(xué)習(xí)模型能夠自動(dòng)適應(yīng)各種光照變化，無(wú)需進(jìn)行額外的處理D.光照變化對(duì)于目標(biāo)檢測(cè)和跟蹤等任務(wù)的準(zhǔn)確性可能會(huì)產(chǎn)生較大的影響18、人臉識(shí)別是計(jì)算機(jī)視覺(jué)的一個(gè)重要應(yīng)用。假設(shè)一個(gè)公司使用人臉識(shí)別系統(tǒng)進(jìn)行員工考勤。以下關(guān)于人臉識(shí)別技術(shù)的描述，哪一項(xiàng)是錯(cuò)誤的？（）A.它可以通過(guò)提取面部特征，如眼睛、鼻子和嘴巴的形狀和位置，來(lái)進(jìn)行身份識(shí)別B.能夠適應(yīng)不同的表情、姿態(tài)和光照變化，保持較高的識(shí)別準(zhǔn)確率C.人臉識(shí)別系統(tǒng)的安全性極高，不存在被欺騙或誤識(shí)別的可能性D.深度學(xué)習(xí)模型在人臉識(shí)別中表現(xiàn)出色，大大提高了識(shí)別性能19、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)車輛的類型、速度和行駛軌跡進(jìn)行分析。以下哪種技術(shù)在車輛分析方面可能發(fā)揮關(guān)鍵作用？（）A.目標(biāo)檢測(cè)和跟蹤B.車牌識(shí)別C.軌跡預(yù)測(cè)D.以上都是20、計(jì)算機(jī)視覺(jué)中的圖像超分辨率重建旨在提高圖像的分辨率。假設(shè)要將一張低分辨率的衛(wèi)星圖像重建為高分辨率圖像，以下關(guān)于模型訓(xùn)練的挑戰(zhàn)，哪一項(xiàng)是最為突出的？（）A.缺乏足夠的高分辨率衛(wèi)星圖像數(shù)據(jù)用于訓(xùn)練B.模型的訓(xùn)練時(shí)間過(guò)長(zhǎng)，難以在短時(shí)間內(nèi)得到結(jié)果C.難以評(píng)估重建后的圖像質(zhì)量，沒(méi)有明確的標(biāo)準(zhǔn)D.計(jì)算資源需求過(guò)大，普通計(jì)算機(jī)難以承受21、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)雜的戶外場(chǎng)景無(wú)法處理22、在計(jì)算機(jī)視覺(jué)中，以下哪種方法常用于圖像的語(yǔ)義分割中的邊界優(yōu)化？（）A.條件隨機(jī)場(chǎng)B.全連接條件隨機(jī)場(chǎng)C.深度學(xué)習(xí)D.以上都是23、在計(jì)算機(jī)視覺(jué)中，以下哪種方法常用于圖像的顯著目標(biāo)檢測(cè)中的高層語(yǔ)義信息利用？（）A.深度學(xué)習(xí)B.圖模型C.注意力機(jī)制D.以上都是24、在圖像去噪中，BM3D（Block-Matchingand3DFiltering）算法的優(yōu)勢(shì)在于（）A.去噪效果好B.保持圖像細(xì)節(jié)C.計(jì)算效率高D.以上都是25、在計(jì)算機(jī)視覺(jué)的目標(biāo)跟蹤任務(wù)中，目標(biāo)可能會(huì)被遮擋、變形或快速移動(dòng)。假設(shè)要跟蹤一個(gè)在人群中快速移動(dòng)的人物，以下哪種跟蹤算法可能更適合應(yīng)對(duì)這種復(fù)雜情況？（）A.基于卡爾曼濾波的跟蹤算法B.基于粒子濾波的跟蹤算法C.基于均值漂移的跟蹤算法D.基于模板匹配的跟蹤算法26、對(duì)于視頻中的目標(biāo)跟蹤任務(wù)，假設(shè)目標(biāo)在視頻中經(jīng)歷了快速的外觀變化和嚴(yán)重的遮擋。以下哪種策略有助于保持跟蹤的準(zhǔn)確性和穩(wěn)定性？（）A.結(jié)合目標(biāo)的運(yùn)動(dòng)模型和外觀模型進(jìn)行預(yù)測(cè)B.僅依賴目標(biāo)的初始外觀特征進(jìn)行跟蹤C(jī).當(dāng)出現(xiàn)遮擋時(shí)，停止跟蹤并等待目標(biāo)重新出現(xiàn)D.隨機(jī)調(diào)整跟蹤算法的參數(shù)27、當(dāng)利用計(jì)算機(jī)視覺(jué)進(jìn)行視頻監(jiān)控中的異常行為檢測(cè)，例如打架、盜竊等，以下哪種方法可能有助于準(zhǔn)確識(shí)別異常行為？（）A.建立正常行為模型B.運(yùn)動(dòng)軌跡分析C.人群密度估計(jì)D.以上都是28、在計(jì)算機(jī)視覺(jué)的圖像分類任務(wù)中，假設(shè)要處理類別不均衡的數(shù)據(jù)集，即某些類別的樣本數(shù)量遠(yuǎn)遠(yuǎn)少于其他類別。以下關(guān)于處理類別不均衡的方法描述，正確的是：（）A.直接使用傳統(tǒng)的分類算法，類別不均衡不會(huì)對(duì)結(jié)果產(chǎn)生明顯影響B(tài).過(guò)采樣少數(shù)類別的樣本可以增加其數(shù)量，但可能導(dǎo)致過(guò)擬合C.欠采樣多數(shù)類別的樣本能夠平衡數(shù)據(jù)集，但會(huì)丟失部分有用信息D.類別不均衡問(wèn)題無(wú)法通過(guò)數(shù)據(jù)處理方法解決，只能通過(guò)改進(jìn)分類算法來(lái)應(yīng)對(duì)29、計(jì)算機(jī)視覺(jué)中的行人重識(shí)別是指在不同攝像頭拍攝的圖像中識(shí)別出同一個(gè)行人。假設(shè)要在一個(gè)大型商場(chǎng)的監(jiān)控系統(tǒng)中實(shí)現(xiàn)行人重識(shí)別，以下關(guān)于行人重識(shí)別方法的描述，正確的是：（）A.基于顏色和紋理特征的方法對(duì)行人的姿態(tài)和光照變化不敏感，識(shí)別準(zhǔn)確率高B.深度學(xué)習(xí)中的度量學(xué)習(xí)方法能夠?qū)W習(xí)到行人的判別性特征，但容易受到背景干擾C.行人重識(shí)別系統(tǒng)只需要關(guān)注行人的外觀特征，不需要考慮行人的行為特征D.行人重識(shí)別在不同場(chǎng)景和攝像頭視角下的性能始終保持穩(wěn)定，不受影響30、在計(jì)算機(jī)視覺(jué)的圖像分類任務(wù)中，假設(shè)數(shù)據(jù)集存在類別不平衡問(wèn)題，某些類別的樣本數(shù)量遠(yuǎn)遠(yuǎn)少于其他類別。以下哪種方法可以緩解這種不平衡對(duì)分類模型的影響？（）A.對(duì)少數(shù)類進(jìn)行過(guò)采樣或?qū)Χ鄶?shù)類進(jìn)行欠采樣B.只使用多數(shù)類的樣本進(jìn)行訓(xùn)練C.不考慮類別不平衡，直接訓(xùn)練模型D.隨機(jī)選擇樣本進(jìn)行訓(xùn)練二、應(yīng)用題（本大題共5個(gè)小題，共25分)1、（本題5分）開發(fā)一個(gè)能夠識(shí)別不同種類蜂類的程序。2、（本題5分）利用圖像增強(qiáng)技術(shù)，提高夜間拍攝圖像的亮度和清晰度。3、（本題5分）使用計(jì)算機(jī)視覺(jué)方法，檢測(cè)景區(qū)出入口的人流量。4、（本題5分）利用深度學(xué)習(xí)算法，對(duì)不同種類的化妝品圖像進(jìn)行分類。5、（本題5分）基于計(jì)算機(jī)視覺(jué)的智能酒店入住系統(tǒng)，通過(guò)人臉識(shí)別實(shí)現(xiàn)快速辦理入住。三、簡(jiǎn)答題（本大題共5個(gè)小題，共25分)1、（