四川大學(xué)《插畫設(shè)計(jì)B》2023-2024學(xué)年第二學(xué)期期末試卷

學(xué)校________________班級(jí)____________姓名____________考場(chǎng)____________準(zhǔn)考證號(hào)學(xué)校________________班級(jí)____________姓名____________考場(chǎng)____________準(zhǔn)考證號(hào)…………密…………封…………線…………內(nèi)…………不…………要…………答…………題…………第1頁(yè)，共3頁(yè)四川大學(xué)

《插畫設(shè)計(jì)B》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、當(dāng)利用計(jì)算機(jī)視覺進(jìn)行圖像檢索任務(wù)，例如在海量圖像庫(kù)中查找相似的圖像，以下哪種圖像表示方法可能對(duì)檢索效果產(chǎn)生重要影響？（）A.全局特征B.局部特征C.深度學(xué)習(xí)特征D.以上都是2、計(jì)算機(jī)視覺在文物保護(hù)和數(shù)字化中的應(yīng)用可以幫助記錄和分析文物信息。假設(shè)要對(duì)一件古老的雕塑進(jìn)行三維數(shù)字化和表面紋理分析，以下關(guān)于文物保護(hù)計(jì)算機(jī)視覺應(yīng)用的描述，正確的是：（）A.傳統(tǒng)的攝影測(cè)量方法在文物數(shù)字化中比基于深度學(xué)習(xí)的方法更精確B.文物的復(fù)雜形狀和表面材質(zhì)對(duì)數(shù)字化和分析過(guò)程沒有挑戰(zhàn)C.結(jié)合多種成像技術(shù)和計(jì)算機(jī)視覺算法能夠更全面地獲取文物的信息D.文物保護(hù)中的計(jì)算機(jī)視覺應(yīng)用不需要考慮對(duì)文物的非接觸性和無(wú)損性要求3、計(jì)算機(jī)視覺在無(wú)人駕駛中的應(yīng)用需要應(yīng)對(duì)各種復(fù)雜的環(huán)境和情況。假設(shè)無(wú)人駕駛汽車要在惡劣天氣下行駛，以下關(guān)于計(jì)算機(jī)視覺在無(wú)人駕駛中的挑戰(zhàn)的描述，哪一項(xiàng)是不正確的？（）A.惡劣天氣會(huì)影響圖像的質(zhì)量和清晰度，增加目標(biāo)檢測(cè)和識(shí)別的難度B.計(jì)算機(jī)視覺系統(tǒng)需要與其他傳感器（如雷達(dá)和超聲波傳感器）融合，以提高在惡劣天氣下的感知能力C.深度學(xué)習(xí)模型在惡劣天氣條件下的性能會(huì)顯著下降，無(wú)法正常工作D.針對(duì)惡劣天氣，可以通過(guò)數(shù)據(jù)增強(qiáng)和模型優(yōu)化等方法提高計(jì)算機(jī)視覺系統(tǒng)的魯棒性4、計(jì)算機(jī)視覺中的車牌識(shí)別是智能交通系統(tǒng)中的重要組成部分。假設(shè)要在一個(gè)高速公路收費(fèi)站實(shí)現(xiàn)準(zhǔn)確的車牌識(shí)別，以下關(guān)于車牌識(shí)別方法的描述，正確的是：（）A.基于邊緣檢測(cè)和字符分割的方法對(duì)車牌的變形和污漬具有很強(qiáng)的適應(yīng)性B.深度學(xué)習(xí)中的卷積神經(jīng)網(wǎng)絡(luò)能夠直接從車牌圖像中識(shí)別出字符，但對(duì)車牌的傾斜和光照不均敏感C.車牌識(shí)別系統(tǒng)只需要在白天光照良好的條件下工作，夜間和惡劣天氣下無(wú)法正常運(yùn)行D.車牌識(shí)別的準(zhǔn)確率只取決于車牌圖像的清晰度，與車牌的顏色和字體無(wú)關(guān)5、在計(jì)算機(jī)視覺的應(yīng)用于工業(yè)檢測(cè)中，需要檢測(cè)產(chǎn)品表面的缺陷和瑕疵。假設(shè)我們要檢測(cè)手機(jī)屏幕上的劃痕和亮點(diǎn)，以下哪種方法能夠?qū)崿F(xiàn)快速、準(zhǔn)確的缺陷檢測(cè)，并且適應(yīng)不同的產(chǎn)品批次和生產(chǎn)環(huán)境？（）A.基于機(jī)器視覺的傳統(tǒng)檢測(cè)方法，結(jié)合閾值和形態(tài)學(xué)操作B.基于深度學(xué)習(xí)的目標(biāo)檢測(cè)算法，針對(duì)缺陷進(jìn)行訓(xùn)練C.基于紋理分析和模式識(shí)別的方法D.基于光學(xué)原理和物理模型的檢測(cè)方法6、當(dāng)利用計(jì)算機(jī)視覺進(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7、在計(jì)算機(jī)視覺的目標(biāo)識(shí)別任務(wù)中，除了識(shí)別目標(biāo)的類別，還需要確定目標(biāo)的位置和大小。假設(shè)我們要在一幅復(fù)雜的圖像中識(shí)別多個(gè)不同大小的物體，以下哪種目標(biāo)識(shí)別算法能夠適應(yīng)不同尺度的目標(biāo)？（）A.基于滑動(dòng)窗口的目標(biāo)識(shí)別算法B.基于特征金字塔的目標(biāo)識(shí)別算法C.基于注意力機(jī)制的目標(biāo)識(shí)別算法D.基于模板匹配的目標(biāo)識(shí)別算法8、當(dāng)利用計(jì)算機(jī)視覺進(jìn)行圖像去模糊任務(wù)，恢復(fù)清晰的圖像，以下哪種先驗(yàn)知識(shí)或約束可能有助于解決這個(gè)問題？（）A.自然圖像的梯度稀疏性B.圖像的低頻成分C.圖像的邊緣信息D.以上都是9、計(jì)算機(jī)視覺在自動(dòng)駕駛領(lǐng)域有著至關(guān)重要的應(yīng)用。假設(shè)一輛自動(dòng)駕駛汽車正在道路上行駛，需要識(shí)別各種交通標(biāo)志和障礙物。以下關(guān)于自動(dòng)駕駛中計(jì)算機(jī)視覺任務(wù)的描述，正確的是：（）A.只需對(duì)前方物體進(jìn)行簡(jiǎn)單的圖像分類，就能實(shí)現(xiàn)安全的自動(dòng)駕駛B.準(zhǔn)確的目標(biāo)檢測(cè)和語(yǔ)義分割對(duì)于理解復(fù)雜的道路場(chǎng)景至關(guān)重要C.計(jì)算機(jī)視覺在自動(dòng)駕駛中作用不大，主要依靠其他傳感器如雷達(dá)D.對(duì)于交通標(biāo)志的識(shí)別，顏色信息比形狀和圖案信息更重要10、在計(jì)算機(jī)視覺中，圖像分類是一項(xiàng)重要任務(wù)。假設(shè)我們要對(duì)大量的動(dòng)物圖片進(jìn)行分類，將其分為貓、狗、鳥等類別。以下關(guān)于圖像分類方法的描述，哪一項(xiàng)是不準(zhǔn)確的？（）A.基于深度學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)（CNN）在圖像分類任務(wù)中表現(xiàn)出色，能夠自動(dòng)學(xué)習(xí)圖像的特征B.傳統(tǒng)的機(jī)器學(xué)習(xí)方法如支持向量機(jī)（SVM）在處理大規(guī)模圖像數(shù)據(jù)時(shí)，性能通常不如深度學(xué)習(xí)方法C.圖像分類只需要考慮圖像的顏色和形狀等低層次特征，高層語(yǔ)義信息對(duì)分類結(jié)果影響不大D.為了提高分類準(zhǔn)確率，可以使用數(shù)據(jù)增強(qiáng)技術(shù)，如旋轉(zhuǎn)、翻轉(zhuǎn)、裁剪等操作來(lái)擴(kuò)充數(shù)據(jù)集11、在計(jì)算機(jī)視覺的應(yīng)用中，人臉識(shí)別是一個(gè)常見的任務(wù)。假設(shè)一個(gè)公司要建立一個(gè)門禁系統(tǒng)，通過(guò)人臉識(shí)別來(lái)允許員工進(jìn)入。為了提高人臉識(shí)別的準(zhǔn)確性和魯棒性，以下哪種技術(shù)通常會(huì)被采用？（）A.基于幾何特征的人臉識(shí)別B.基于模板匹配的人臉識(shí)別C.基于深度學(xué)習(xí)的人臉識(shí)別，結(jié)合多模態(tài)數(shù)據(jù)D.基于顏色特征的人臉識(shí)別12、在計(jì)算機(jī)視覺的圖像生成任務(wù)中，假設(shè)要生成逼真的人臉圖像。以下關(guān)于生成模型的架構(gòu)選擇，哪一項(xiàng)是需要特別關(guān)注的？（）A.選擇傳統(tǒng)的多層感知機(jī)（MLP）架構(gòu)B.采用生成對(duì)抗網(wǎng)絡(luò)（GAN）架構(gòu)，通過(guò)對(duì)抗訓(xùn)練生成高質(zhì)量圖像C.運(yùn)用卷積神經(jīng)網(wǎng)絡(luò)（CNN）架構(gòu)，但不使用池化層D.構(gòu)建循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）架構(gòu)，處理圖像的序列信息13、計(jì)算機(jī)視覺在虛擬現(xiàn)實(shí)（VR）和增強(qiáng)現(xiàn)實(shí)（AR）中有著重要的應(yīng)用。假設(shè)要在VR游戲中實(shí)現(xiàn)真實(shí)的場(chǎng)景交互。以下關(guān)于計(jì)算機(jī)視覺在VR/AR中的描述，哪一項(xiàng)是不正確的？（）A.可以通過(guò)對(duì)用戶的動(dòng)作和姿態(tài)進(jìn)行識(shí)別，實(shí)現(xiàn)自然的交互操作B.能夠?qū)⑻摂M物體與真實(shí)場(chǎng)景進(jìn)行準(zhǔn)確的融合和匹配C.計(jì)算機(jī)視覺技術(shù)可以提高VR/AR體驗(yàn)的沉浸感和真實(shí)感D.VR/AR中的計(jì)算機(jī)視覺應(yīng)用不存在任何技術(shù)挑戰(zhàn)和限制14、在計(jì)算機(jī)視覺的人臉識(shí)別任務(wù)中，需要應(yīng)對(duì)姿態(tài)、表情和光照等變化。假設(shè)要構(gòu)建一個(gè)能夠在不同環(huán)境下準(zhǔn)確識(shí)別人臉的系統(tǒng)，以下哪種人臉識(shí)別方法在處理這些變化時(shí)具有更高的準(zhǔn)確性和魯棒性？（）A.基于特征點(diǎn)的人臉識(shí)別B.基于模板匹配的人臉識(shí)別C.基于深度學(xué)習(xí)的人臉識(shí)別D.基于幾何形狀的人臉識(shí)別15、在計(jì)算機(jī)視覺的目標(biāo)跟蹤任務(wù)中，需要持續(xù)跟蹤一個(gè)或多個(gè)運(yùn)動(dòng)目標(biāo)。假設(shè)要跟蹤一個(gè)在操場(chǎng)上跑步的人。以下關(guān)于目標(biāo)跟蹤算法的描述，哪一項(xiàng)是不正確的？（）A.可以基于特征匹配的方法，在連續(xù)的幀中找到目標(biāo)的相似特征來(lái)實(shí)現(xiàn)跟蹤B.深度學(xué)習(xí)中的相關(guān)濾波算法能夠快速準(zhǔn)確地跟蹤目標(biāo)，適應(yīng)目標(biāo)的外觀變化C.目標(biāo)跟蹤算法能夠在目標(biāo)被遮擋或短暫消失后，仍然準(zhǔn)確地恢復(fù)跟蹤D.無(wú)論目標(biāo)的運(yùn)動(dòng)速度和軌跡如何復(fù)雜，目標(biāo)跟蹤算法都能完美地跟蹤16、計(jì)算機(jī)視覺中的人臉檢測(cè)和識(shí)別是熱門研究方向。假設(shè)要在一個(gè)大規(guī)模的人臉數(shù)據(jù)庫(kù)中進(jìn)行快速準(zhǔn)確的人臉識(shí)別，以下哪種特征提取方法可能更具優(yōu)勢(shì)？（）A.基于幾何特征的方法B.基于局部二值模式（LBP）的方法C.基于深度學(xué)習(xí)的方法D.基于主成分分析（PCA）的方法17、在計(jì)算機(jī)視覺的三維重建任務(wù)中，我們需要從多幅二維圖像中恢復(fù)物體的三維結(jié)構(gòu)。假設(shè)我們只有少量的、視角有限的圖像，以下哪種重建方法可能面臨較大挑戰(zhàn)？（）A.基于立體視覺的重建方法B.基于運(yùn)動(dòng)恢復(fù)結(jié)構(gòu)（StructurefromMotion）的方法C.利用激光掃描數(shù)據(jù)進(jìn)行重建D.基于模型擬合的重建方法18、在計(jì)算機(jī)視覺的圖像分割任務(wù)中，假設(shè)要將一張醫(yī)學(xué)圖像中的病變區(qū)域精確地分割出來(lái)，以便醫(yī)生進(jìn)行診斷和治療。這張醫(yī)學(xué)圖像可能存在噪聲、模糊和不均勻的灰度分布。以下哪種圖像分割方法在處理這種復(fù)雜情況時(shí)可能更具優(yōu)勢(shì)？（）A.基于閾值的分割方法，根據(jù)像素值設(shè)定閾值進(jìn)行分割B.基于區(qū)域生長(zhǎng)的分割方法，從種子點(diǎn)開始逐漸擴(kuò)展區(qū)域C.基于深度學(xué)習(xí)的語(yǔ)義分割算法，如U-NetD.隨機(jī)分割圖像，然后根據(jù)后續(xù)分析進(jìn)行調(diào)整19、在一個(gè)基于計(jì)算機(jī)視覺的農(nóng)業(yè)監(jiān)測(cè)系統(tǒng)中，需要對(duì)農(nóng)作物的生長(zhǎng)狀況進(jìn)行評(píng)估，例如判斷葉片的顏色、形狀和病蟲害情況。以下哪種圖像分析方法可能對(duì)農(nóng)作物監(jiān)測(cè)較為有效？（）A.顏色空間轉(zhuǎn)換B.形態(tài)學(xué)分析C.紋理分析D.以上都是20、圖像分類是計(jì)算機(jī)視覺的常見任務(wù)之一。假設(shè)要對(duì)大量的自然風(fēng)景圖片進(jìn)行分類，如山脈、森林、海灘等。在進(jìn)行圖像分類時(shí)，以下關(guān)于數(shù)據(jù)增強(qiáng)的方法，哪一項(xiàng)可能不太有效？（）A.對(duì)圖像進(jìn)行隨機(jī)裁剪和旋轉(zhuǎn)，增加數(shù)據(jù)的多樣性B.改變圖像的色彩和對(duì)比度，模擬不同的拍攝條件C.直接復(fù)制原圖像，增加數(shù)據(jù)量D.給圖像添加隨機(jī)噪聲，增強(qiáng)模型的魯棒性21、當(dāng)進(jìn)行圖像的光流估計(jì)時(shí)，假設(shè)要計(jì)算圖像中像素的運(yùn)動(dòng)速度和方向。以下哪種光流估計(jì)算法在復(fù)雜場(chǎng)景下可能更準(zhǔn)確？（）A.Horn-Schunck算法B.Lucas-Kanade算法C.隨機(jī)估計(jì)光流D.不進(jìn)行光流估計(jì)，忽略像素的運(yùn)動(dòng)信息22、當(dāng)進(jìn)行圖像的去霧處理時(shí)，假設(shè)要去除圖像中由于霧氣導(dǎo)致的模糊和低對(duì)比度。以下哪種方法可能更有效？（）A.基于物理模型的去霧方法，估計(jì)大氣光和透射率B.對(duì)圖像進(jìn)行簡(jiǎn)單的對(duì)比度增強(qiáng)C.不進(jìn)行去霧處理，保留有霧的效果D.隨機(jī)調(diào)整圖像的亮度和飽和度23、當(dāng)進(jìn)行圖像的目標(biāo)計(jì)數(shù)任務(wù)時(shí)，假設(shè)要統(tǒng)計(jì)一張圖像中某種物體的數(shù)量，例如統(tǒng)計(jì)羊群中的羊的數(shù)量。以下哪種方法可能更準(zhǔn)確地完成計(jì)數(shù)任務(wù)？（）A.基于深度學(xué)習(xí)的目標(biāo)計(jì)數(shù)模型B.手動(dòng)逐個(gè)計(jì)數(shù)C.估計(jì)圖像中物體的平均大小，然后計(jì)算總面積來(lái)推算數(shù)量D.隨機(jī)猜測(cè)物體的數(shù)量24、在計(jì)算機(jī)視覺的實(shí)際應(yīng)用中，模型的實(shí)時(shí)性是一個(gè)重要的考慮因素。以下關(guān)于實(shí)時(shí)性的描述，不正確的是（）A.對(duì)于一些需要實(shí)時(shí)響應(yīng)的應(yīng)用，如自動(dòng)駕駛和工業(yè)檢測(cè)，模型的處理速度至關(guān)重要B.模型的復(fù)雜度、計(jì)算資源和算法效率都會(huì)影響實(shí)時(shí)性C.可以通過(guò)模型壓縮、硬件加速和優(yōu)化算法等方法來(lái)提高模型的實(shí)時(shí)性D.實(shí)時(shí)性只與模型本身有關(guān)，與硬件設(shè)備和系統(tǒng)架構(gòu)無(wú)關(guān)25、在圖像配準(zhǔn)任務(wù)中，需要將不同時(shí)間、不同視角或不同傳感器獲取的圖像進(jìn)行對(duì)齊。假設(shè)我們要將一張衛(wèi)星圖像與一張航拍圖像進(jìn)行配準(zhǔn)，以下哪個(gè)因素對(duì)于配準(zhǔn)的準(zhǔn)確性影響最大？（）A.圖像的分辨率差異B.圖像的旋轉(zhuǎn)和平移C.圖像的光照條件D.圖像中的噪聲26、在計(jì)算機(jī)視覺的場(chǎng)景理解任務(wù)中，假設(shè)要理解一個(gè)室內(nèi)場(chǎng)景的布局和功能，例如判斷是辦公室還是客廳。以下哪種信息對(duì)于準(zhǔn)確理解場(chǎng)景是至關(guān)重要的？（）A.物體的類別和位置B.圖像的顏色分布C.圖像的拍攝角度D.隨機(jī)選擇圖像中的部分區(qū)域進(jìn)行分析27、計(jì)算機(jī)視覺中的虛擬現(xiàn)實(shí)（VR）和增強(qiáng)現(xiàn)實(shí)（AR）應(yīng)用需要實(shí)時(shí)生成逼真的視覺效果。假設(shè)要在一個(gè)VR游戲中為玩家提供沉浸式的視覺體驗(yàn)，或者在AR應(yīng)用中準(zhǔn)確地將虛擬物體與現(xiàn)實(shí)場(chǎng)景融合。以下哪種計(jì)算機(jī)視覺技術(shù)在實(shí)現(xiàn)這些效果時(shí)至關(guān)重要？（）A.實(shí)時(shí)渲染技術(shù)B.空間定位與追蹤技術(shù)C.三維重建與建模技術(shù)D.以上技術(shù)綜合應(yīng)用28、計(jì)算機(jī)視覺在自動(dòng)駕駛領(lǐng)域發(fā)揮著重要作用。假設(shè)一輛自動(dòng)駕駛汽車正在道路上行駛，需要識(shí)別各種交通標(biāo)志、車輛和行人。以下關(guān)于自動(dòng)駕駛中計(jì)算機(jī)視覺的描述，哪一項(xiàng)是不正確的？（）A.計(jì)算機(jī)視覺可以通過(guò)攝像頭實(shí)時(shí)獲取道路信息，為車輛的決策和控制提供依據(jù)B.它能夠準(zhǔn)確識(shí)別不同光照和天氣條件下的交通對(duì)象，不受任何干擾C.深度學(xué)習(xí)算法在自動(dòng)駕駛的計(jì)算機(jī)視覺中被廣泛應(yīng)用，用于目標(biāo)檢測(cè)和語(yǔ)義分割D.計(jì)算機(jī)視覺需要與其他傳感器（如雷達(dá)、激光雷達(dá)）的數(shù)據(jù)融合，以提高感知的可靠性29、在計(jì)算機(jī)視覺的立體視覺任務(wù)中，通過(guò)兩個(gè)或多個(gè)相機(jī)獲取的圖像來(lái)計(jì)算深度信息。以下哪種立體匹配算法在精度和效率方面可能表現(xiàn)較好？（）A.基于區(qū)域的匹配算法B.基于特征的匹配算法C.基于深度學(xué)習(xí)的匹配算法D.以上都是30、在計(jì)算機(jī)視覺的視覺跟蹤任務(wù)中，目標(biāo)在運(yùn)動(dòng)過(guò)程中可能會(huì)發(fā)生形變、遮擋和光照變化等情況。為了提高跟蹤的穩(wěn)定性和準(zhǔn)確性，以下哪種策略可能是有效的？（）A.模型更新機(jī)制B.多特征融合C.抗遮擋處理D.以上都是二、應(yīng)用題（本大題共5個(gè)小題，共25分)1、（本題5分）使用計(jì)算機(jī)視覺方法，對(duì)不同風(fēng)格的建筑圖像進(jìn)行分類。2、（本題5分）在物流領(lǐng)域，使用計(jì)算機(jī)視覺對(duì)包裹的標(biāo)簽和條碼進(jìn)行快速識(shí)別和分類。3、（本題5分）設(shè)計(jì)一個(gè)程序，通過(guò)計(jì)算機(jī)視覺識(shí)別不同品牌的打印機(jī)。4、（本題5分）基于深度學(xué)習(xí)的圖像語(yǔ)義分割技術(shù)，對(duì)復(fù)雜場(chǎng)景圖像進(jìn)行精細(xì)分割。5、（本題5分）運(yùn)用圖像識(shí)別算法，對(duì)不同類型的運(yùn)動(dòng)器材圖像進(jìn)行分類和識(shí)別。三、簡(jiǎn)答題（本大題共5個(gè)小題，共25分)1、（本題5分）