2025年大學(xué)人工智能（計(jì)算機(jī)視覺(jué)算法）期中測(cè)試卷

（考試時(shí)間：90分鐘滿(mǎn)分100分）班級(jí)______姓名______一、單項(xiàng)選擇題（總共10題，每題3分，每題只有一個(gè)正確答案，請(qǐng)將正確答案填寫(xiě)在括號(hào)內(nèi)）1.計(jì)算機(jī)視覺(jué)算法中，用于提取圖像邊緣信息的常用算子是（）A.高斯濾波器B.拉普拉斯算子C.均值濾波器D.中值濾波器2.在圖像分類(lèi)任務(wù)中，以下哪種卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)具有較少的參數(shù)和較高的計(jì)算效率（）A.VGG16B.ResNetC.MobileNetD.AlexNet3.以下關(guān)于圖像特征點(diǎn)檢測(cè)的說(shuō)法，錯(cuò)誤的是（）A.Harris角點(diǎn)檢測(cè)對(duì)噪聲敏感B.SIFT特征點(diǎn)具有尺度不變性C.SURF特征點(diǎn)檢測(cè)速度比SIFT快D.ORB特征點(diǎn)是一種二進(jìn)制描述符4.對(duì)于目標(biāo)檢測(cè)任務(wù)，常用的損失函數(shù)不包括（）A.交叉熵?fù)p失函數(shù)B.均方誤差損失函數(shù)C.IoU損失函數(shù)D.FocalLoss5.圖像分割中，基于區(qū)域的分割方法不包括（）A.分水嶺算法B.區(qū)域生長(zhǎng)法C.GrabCut算法D.Canny邊緣檢測(cè)6.在深度學(xué)習(xí)中，用于防止梯度消失的優(yōu)化算法是（）A.SGDB.AdagradC.AdamD.RMSProp7.以下哪種圖像增強(qiáng)方法是基于直方圖均衡化原理（）A.灰度拉伸B.高斯增強(qiáng)C.銳化D.平滑8.計(jì)算機(jī)視覺(jué)算法中，用于圖像配準(zhǔn)的方法不包括（）A.基于特征點(diǎn)的配準(zhǔn)B.基于區(qū)域的配準(zhǔn)C.基于深度學(xué)習(xí)的配準(zhǔn)D.基于顏色直方圖的配準(zhǔn)9.關(guān)于卷積神經(jīng)網(wǎng)絡(luò)中池化層的作用，以下說(shuō)法正確的是（）A.增加模型參數(shù)B.提高計(jì)算效率C.增強(qiáng)圖像細(xì)節(jié)D.減少數(shù)據(jù)維度10.在圖像超分辨率重建中，常用的方法不包括（）A.基于插值的方法B.基于深度學(xué)習(xí)的方法C.基于小波變換的方法D.基于直方圖的方法二、多項(xiàng)選擇題（總共5題，每題5分，每題有兩個(gè)或兩個(gè)以上正確答案，請(qǐng)將正確答案填寫(xiě)在括號(hào)內(nèi)，少選、多選、錯(cuò)選均不得分）1.以下哪些是計(jì)算機(jī)視覺(jué)算法在醫(yī)學(xué)領(lǐng)域的應(yīng)用（）A.疾病診斷B.手術(shù)導(dǎo)航C.藥物研發(fā)D.視頻監(jiān)控2.圖像濾波中，線(xiàn)性濾波方法包括（）A.高斯濾波B.中值濾波C.均值濾波D.雙邊濾波3.在深度學(xué)習(xí)模型訓(xùn)練中，以下哪些因素會(huì)影響模型的性能（）A.學(xué)習(xí)率B.數(shù)據(jù)集大小C.網(wǎng)絡(luò)結(jié)構(gòu)D.訓(xùn)練時(shí)間4.目標(biāo)檢測(cè)算法中，常用的評(píng)價(jià)指標(biāo)有（）A.準(zhǔn)確率B.召回率C.mAPD.F1值5.圖像分割算法中，基于深度學(xué)習(xí)的方法主要包括（）A.全卷積網(wǎng)絡(luò)B.U-NetC.SegNetD.DeepLab三、判斷題（總共10題，每題2分，請(qǐng)判斷下列說(shuō)法的對(duì)錯(cuò)，正確的打√，錯(cuò)誤的打×）1.計(jì)算機(jī)視覺(jué)算法只能處理二維圖像，不能處理三維點(diǎn)云數(shù)據(jù)。（）2.卷積層中的卷積核大小固定，不能改變。（）3.圖像特征點(diǎn)檢測(cè)算法的目的是找到圖像中具有代表性的點(diǎn)。（）4.目標(biāo)檢測(cè)中，只要檢測(cè)到目標(biāo)的位置就可以，不需要考慮目標(biāo)的類(lèi)別。（）5.圖像分割的結(jié)果一定是將圖像分成不同的區(qū)域，每個(gè)區(qū)域代表一個(gè)物體。（）6.深度學(xué)習(xí)模型訓(xùn)練中，數(shù)據(jù)增強(qiáng)可以提高模型的泛化能力。（）7.直方圖均衡化會(huì)改變圖像的亮度分布，但不會(huì)改變圖像的對(duì)比度。（）8.圖像配準(zhǔn)的目的是將不同視角或不同時(shí)間的圖像對(duì)齊。（）9.池化層在卷積神經(jīng)網(wǎng)絡(luò)中會(huì)降低圖像的分辨率，但不會(huì)丟失重要信息。（）10.圖像超分辨率重建可以將低分辨率圖像恢復(fù)到高分辨率圖像，且不會(huì)引入任何噪聲。（）四、簡(jiǎn)答題（總共3題，每題10分，請(qǐng)簡(jiǎn)要回答下列問(wèn)題）1.請(qǐng)簡(jiǎn)述卷積神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)及其各層的作用。2.在圖像分類(lèi)任務(wù)中，如何提高模型的準(zhǔn)確率？請(qǐng)列舉至少三種方法并簡(jiǎn)要說(shuō)明。3.圖像分割算法中，如何評(píng)估分割結(jié)果的好壞？請(qǐng)介紹至少兩種評(píng)估指標(biāo)。五、算法設(shè)計(jì)題（總共1題，每題20分，請(qǐng)?jiān)O(shè)計(jì)一個(gè)基于計(jì)算機(jī)視覺(jué)算法的應(yīng)用場(chǎng)景，并說(shuō)明算法流程）請(qǐng)?jiān)O(shè)計(jì)一個(gè)基于計(jì)算機(jī)視覺(jué)算法的智能安防監(jiān)控系統(tǒng)，用于檢測(cè)監(jiān)控區(qū)域內(nèi)的異常行為（如奔跑、打斗等）。說(shuō)明算法流程，包括數(shù)據(jù)采集、預(yù)處理、特征提取、模型訓(xùn)練和異常行為檢測(cè)等步驟。答案：一、單項(xiàng)選擇題1.B2.C3.A4.B5.D6.D7.A8.D9.D10.D二、多項(xiàng)選擇題1.ABC2.AC3.ABCD4.ABCD5.ABCD三、判斷題1.×2.×3.√4.×5.×6.√7.×8.√9.√10.×四、簡(jiǎn)答題1.卷積神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu)包括輸入層、卷積層、池化層、全連接層和輸出層。輸入層用于輸入圖像數(shù)據(jù)；卷積層通過(guò)卷積核提取圖像特征；池化層降低數(shù)據(jù)維度，減少計(jì)算量；全連接層將提取的特征進(jìn)行整合；輸出層輸出分類(lèi)結(jié)果或其他預(yù)測(cè)值。2.提高模型準(zhǔn)確率方法：增加數(shù)據(jù)集規(guī)模，提供更多數(shù)據(jù)讓模型學(xué)習(xí)；采用數(shù)據(jù)增強(qiáng)技術(shù)，擴(kuò)充數(shù)據(jù)多樣性；選擇合適的網(wǎng)絡(luò)結(jié)構(gòu)，根據(jù)任務(wù)特點(diǎn)選如VGG、ResNet等；調(diào)整超參數(shù)，如學(xué)習(xí)率、迭代次數(shù)等；使用預(yù)訓(xùn)練模型，遷移學(xué)習(xí)。3.評(píng)估分割結(jié)果指標(biāo)：交并比（IoU），計(jì)算預(yù)測(cè)分割區(qū)域與真實(shí)分割區(qū)域交集和并集的比例，反映重疊程度；Dice系數(shù)，衡量?jī)蓚€(gè)集合相似度，值越大分割結(jié)果越好；像素準(zhǔn)確率，計(jì)算預(yù)測(cè)正確像素?cái)?shù)占總像素?cái)?shù)比例。五、算法設(shè)計(jì)題智能安防監(jiān)控系統(tǒng)算法流程：數(shù)據(jù)采集，通過(guò)監(jiān)控?cái)z像頭采集監(jiān)控區(qū)域視頻圖像；預(yù)處理，包括圖像