習(xí)題五答案解析一、單項(xiàng)選擇題1.C2.C3.B4.D5.B6.C7.D8.B9.C10.B二、填空題1.質(zhì)量,可用性 2.物理世界3.像素 4.挑戰(zhàn)5.圖像識(shí)別 6.邊緣檢測(cè),紋理分析7.行人,車輛 8.圖像數(shù)據(jù)9.模式識(shí)別 10.羅素·基爾希三、判斷題1.正確2.正確3.正確4.錯(cuò)誤（AlexNet模型在2012年ImageNet比賽中取得了顯著成績）5.錯(cuò)誤（多模態(tài)學(xué)習(xí)指的是同時(shí)處理和融合來自多種不同來源的數(shù)據(jù)，而非單一來源）四、簡(jiǎn)答題1.計(jì)算機(jī)視覺的核心目標(biāo)是跨越“語義鴻溝”，即在低層次的像素?cái)?shù)據(jù)與高層次的語義理解之間建立有效的映射關(guān)系，使計(jì)算機(jī)能夠理解和解釋視覺數(shù)據(jù)，并做出相應(yīng)的決策。2.圖像預(yù)處理包括圖像降噪、對(duì)比度增強(qiáng)、灰度轉(zhuǎn)換等操作，這些步驟旨在提高圖像的質(zhì)量，并為后續(xù)的處理步驟做好準(zhǔn)備。3.多模態(tài)學(xué)習(xí)在計(jì)算機(jī)視覺中用于處理和融合來自不同模態(tài)的數(shù)據(jù)，如視覺、文本和語音。例如，在自動(dòng)駕駛中，車輛需要結(jié)合攝像頭圖像與雷達(dá)、激光雷達(dá)等傳感器數(shù)據(jù)，以做出更精確的決策。CLIP模型是多模態(tài)學(xué)習(xí)的代表之一，通過聯(lián)合訓(xùn)練圖像和文本數(shù)據(jù)，展現(xiàn)了卓越的開放域圖像識(shí)別性能。4.圖像數(shù)字化的基本流程包括圖像采集、取樣、量化、編碼與壓縮以及存儲(chǔ)與傳輸。圖像采集通過設(shè)備獲取圖像數(shù)據(jù)，取樣將連續(xù)的光信號(hào)轉(zhuǎn)化為離散的像素?cái)?shù)據(jù)，量化則將每個(gè)像素的光強(qiáng)度或顏色值轉(zhuǎn)換為計(jì)算機(jī)可處理的離散數(shù)值。編碼與壓縮將數(shù)字圖像轉(zhuǎn)換為特定格式并減少數(shù)據(jù)量，最后將其存儲(chǔ)或傳輸。5.圖像預(yù)處理是指通過一系列操作和算法，對(duì)原始圖像進(jìn)行處理，使其更適合于后續(xù)的分析和處理。它在計(jì)算機(jī)視覺中至關(guān)重要，因?yàn)樗苯佑绊懙綀D像分析的效果和準(zhǔn)確性，能夠有效去除噪聲、增強(qiáng)圖像特征，并調(diào)整圖像的對(duì)比度和亮度。五、上機(jī)題參考答案importcv2#讀取圖像image=cv2.imread('example.jpg')#顯示原始圖像cv2.imshow('OriginalImage',image)cv2.waitKey(0)cv2.destroyAllWindows()#將圖像轉(zhuǎn)換為灰度圖像gray_image=cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)#顯示灰度圖像cv2.imshow('GrayImage',gray_image)cv2.waitKey(0)cv2.destroyAllWindows()#應(yīng)用高斯模糊blurred_image=cv2.GaussianBlur(image,(15,15),0)#顯示模糊后的圖像cv2.imshow('BlurredImage',blurred_image)cv2.waitKey(0)cv2.destroyAllWindows()#應(yīng)用Canny邊緣檢測(cè)edges=cv2.Canny(gray_image,100,200)#顯示邊緣檢測(cè)后的圖像cv2.imshow('Edges',edges)cv2.waitKe