重慶財(cái)經(jīng)學(xué)院《設(shè)計(jì)素描（1）》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)重慶財(cái)經(jīng)學(xué)院《設(shè)計(jì)素描（1）》

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15個(gè)小題，每小題1分，共15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、計(jì)算機(jī)視覺在工業(yè)檢測(cè)中的應(yīng)用越來(lái)越廣泛。假設(shè)要檢測(cè)電子電路板上的微小缺陷，以下關(guān)于圖像采集設(shè)備的選擇，哪一項(xiàng)是最為關(guān)鍵的？（）A.選擇高分辨率的數(shù)碼相機(jī)，獲取清晰的圖像B.選用具有大景深的鏡頭，確保整個(gè)電路板都清晰成像C.采用高速攝像機(jī)，快速采集大量圖像D.選擇價(jià)格低廉的圖像采集設(shè)備，降低成本2、在計(jì)算機(jī)視覺的姿態(tài)估計(jì)任務(wù)中，例如估計(jì)人體關(guān)節(jié)的位置和姿態(tài)，以下哪種方法可能在精度和實(shí)時(shí)性之間取得較好的平衡？（）A.基于模型的方法B.基于深度學(xué)習(xí)的回歸方法C.基于深度學(xué)習(xí)的分類方法D.以上都不是3、在計(jì)算機(jī)視覺的視頻分析中，需要處理連續(xù)的圖像幀。假設(shè)要分析一段監(jiān)控視頻中的人員行為，以下關(guān)于視頻分析方法的描述，哪一項(xiàng)是不正確的？（）A.光流法可以用于計(jì)算相鄰幀之間的像素運(yùn)動(dòng)，從而跟蹤物體的運(yùn)動(dòng)軌跡B.可以通過(guò)對(duì)視頻幀進(jìn)行分類和檢測(cè)，來(lái)識(shí)別和分析人員的行為模式C.視頻分析需要考慮時(shí)間維度上的信息，不僅僅是單個(gè)圖像幀的特征D.視頻分析只適用于簡(jiǎn)單的場(chǎng)景和行為，對(duì)于復(fù)雜的多人交互場(chǎng)景無(wú)法進(jìn)行有效的分析4、在計(jì)算機(jī)視覺中，特征提取是非常關(guān)鍵的一步。假設(shè)我們要從圖像中提取有意義的特征，用于后續(xù)的處理和分析，以下關(guān)于特征提取方法的描述，哪一項(xiàng)是不正確的？（）A.SIFT（尺度不變特征變換）和SURF（加速穩(wěn)健特征）是常用的局部特征描述子，對(duì)圖像的旋轉(zhuǎn)、縮放和光照變化具有一定的不變性B.HOG（方向梯度直方圖）特征通過(guò)計(jì)算圖像局部區(qū)域的梯度方向分布來(lái)描述圖像，常用于行人檢測(cè)C.深度學(xué)習(xí)中的自動(dòng)特征提取，例如通過(guò)卷積神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)到的特征，比手工設(shè)計(jì)的特征更具有代表性和判別力D.特征提取的結(jié)果對(duì)后續(xù)的圖像處理任務(wù)影響不大，不同的特征提取方法可以得到相似的處理效果5、在一個(gè)基于計(jì)算機(jī)視覺的智能交通監(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6、在計(jì)算機(jī)視覺的目標(biāo)計(jì)數(shù)任務(wù)中，統(tǒng)計(jì)圖像或視頻中目標(biāo)的數(shù)量。假設(shè)要統(tǒng)計(jì)一個(gè)果園中蘋果的數(shù)量，以下關(guān)于目標(biāo)計(jì)數(shù)方法的描述，哪一項(xiàng)是不正確的？（）A.可以基于圖像分割和對(duì)象識(shí)別的方法，先分割出每個(gè)蘋果，然后進(jìn)行計(jì)數(shù)B.利用深度學(xué)習(xí)中的回歸模型直接預(yù)測(cè)蘋果的數(shù)量C.目標(biāo)計(jì)數(shù)不受蘋果的大小、形狀和分布的影響，任何情況下都能準(zhǔn)確計(jì)數(shù)D.結(jié)合多視角圖像或視頻序列可以提高目標(biāo)計(jì)數(shù)的準(zhǔn)確性7、視頻分析是計(jì)算機(jī)視覺的一個(gè)重要領(lǐng)域。假設(shè)要對(duì)一段監(jiān)控視頻中的行為進(jìn)行分析和理解，以下關(guān)于視頻分析方法的描述，正確的是：（）A.直接將視頻中的每一幀圖像作為獨(dú)立的圖像進(jìn)行處理，就能準(zhǔn)確分析視頻中的行為B.考慮視頻的時(shí)序信息和幀間的相關(guān)性對(duì)于理解復(fù)雜的行為非常重要C.視頻分析只適用于簡(jiǎn)單的動(dòng)作識(shí)別，對(duì)于復(fù)雜的多人物交互行為無(wú)法處理D.視頻的分辨率和幀率對(duì)視頻分析的結(jié)果沒有影響8、計(jì)算機(jī)視覺中的手勢(shì)識(shí)別用于理解人的手勢(shì)動(dòng)作。假設(shè)要在一個(gè)智能交互系統(tǒng)中實(shí)現(xiàn)實(shí)時(shí)準(zhǔn)確的手勢(shì)識(shí)別，以下關(guān)于手勢(shì)識(shí)別方法的描述，正確的是：（）A.基于傳感器的手勢(shì)識(shí)別方法能夠精確獲取手勢(shì)的運(yùn)動(dòng)信息，但佩戴傳感器不方便B.基于視覺的手勢(shì)識(shí)別方法不受環(huán)境光照和背景的影響，識(shí)別穩(wěn)定性高C.深度學(xué)習(xí)中的卷積神經(jīng)網(wǎng)絡(luò)在手勢(shì)識(shí)別中無(wú)法處理復(fù)雜的手勢(shì)變化和遮擋D.手勢(shì)識(shí)別系統(tǒng)只要能夠識(shí)別常見的幾種手勢(shì)，就能夠滿足大多數(shù)應(yīng)用需求9、計(jì)算機(jī)視覺中的視覺跟蹤在監(jiān)控、機(jī)器人導(dǎo)航等領(lǐng)域有廣泛應(yīng)用。假設(shè)一個(gè)機(jī)器人需要跟蹤一個(gè)移動(dòng)的物體，同時(shí)適應(yīng)物體的外觀變化和環(huán)境干擾。以下哪種視覺跟蹤方法能夠提供較好的長(zhǎng)期跟蹤性能和魯棒性？（）A.基于核相關(guān)濾波的跟蹤方法B.基于深度學(xué)習(xí)的孿生網(wǎng)絡(luò)跟蹤方法C.基于粒子濾波和特征匹配的跟蹤方法D.基于背景減除和運(yùn)動(dòng)估計(jì)的跟蹤方法10、在計(jì)算機(jī)視覺中，圖像生成是創(chuàng)建新的圖像內(nèi)容。以下關(guān)于圖像生成的說(shuō)法，錯(cuò)誤的是（）A.可以通過(guò)生成對(duì)抗網(wǎng)絡(luò)（GAN）、變分自編碼器（VAE）等模型進(jìn)行圖像生成B.圖像生成可以用于藝術(shù)創(chuàng)作、數(shù)據(jù)增強(qiáng)和虛擬場(chǎng)景構(gòu)建等任務(wù)C.生成的圖像質(zhì)量和真實(shí)性在不斷提高，但仍然存在一些缺陷和不完美之處D.圖像生成可以完全根據(jù)用戶的任意想象生成任何內(nèi)容，不受任何限制11、計(jì)算機(jī)視覺中的圖像分割任務(wù)旨在將圖像分割成不同的區(qū)域。假設(shè)要對(duì)一張風(fēng)景圖片進(jìn)行分割，區(qū)分天空、陸地和水面。以下關(guān)于圖像分割方法的描述，哪一項(xiàng)是錯(cuò)誤的？（）A.基于閾值的分割方法簡(jiǎn)單快速，但對(duì)于復(fù)雜圖像效果不佳B.區(qū)域生長(zhǎng)法從種子點(diǎn)開始，逐步合并相似的區(qū)域C.深度學(xué)習(xí)中的全卷積網(wǎng)絡(luò)（FCN）在圖像分割中表現(xiàn)出色，能夠生成精確的分割結(jié)果D.圖像分割的結(jié)果總是清晰明確，不存在模糊或錯(cuò)誤的邊界12、當(dāng)進(jìn)行視頻中的動(dòng)作識(shí)別時(shí)，假設(shè)要分析一段運(yùn)動(dòng)員訓(xùn)練的視頻，識(shí)別出其中的各種動(dòng)作，如跑步、跳躍和舉重等。視頻中的動(dòng)作可能存在速度變化、遮擋和視角變化等問題。為了準(zhǔn)確識(shí)別這些動(dòng)作，以下哪種技術(shù)是關(guān)鍵的？（）A.對(duì)每一幀圖像進(jìn)行獨(dú)立的動(dòng)作分類，然后綜合結(jié)果B.利用光流信息來(lái)捕捉視頻中的運(yùn)動(dòng)模式C.只關(guān)注視頻中的關(guān)鍵幀，忽略其他幀D.不考慮視頻的時(shí)序信息，將其視為一系列獨(dú)立的圖像13、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)域準(zhǔn)確分割出來(lái)。以下關(guān)于圖像分割方法的描述，正確的是：（）A.基于閾值的分割方法簡(jiǎn)單高效，適用于所有類型的醫(yī)學(xué)圖像分割B.區(qū)域生長(zhǎng)法能夠根據(jù)像素的相似性進(jìn)行分割，但容易受到噪聲的影響C.圖割算法在處理復(fù)雜的圖像結(jié)構(gòu)時(shí)表現(xiàn)不佳，難以得到準(zhǔn)確的分割結(jié)果D.深度學(xué)習(xí)中的全卷積網(wǎng)絡(luò)（FCN）在圖像分割中無(wú)法處理不同大小的病變區(qū)域14、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15、計(jì)算機(jī)視覺中的圖像語(yǔ)義分割需要為圖像中的每個(gè)像素分配類別標(biāo)簽。假設(shè)要對(duì)一張城市街景圖像進(jìn)行語(yǔ)義分割，包括道路、建筑物、車輛和行人等。以下哪種圖像語(yǔ)義分割方法在處理這種復(fù)雜場(chǎng)景時(shí)能夠提供更精細(xì)的分割結(jié)果？（）A.全卷積網(wǎng)絡(luò)（FCN）B.U-NetC.SegNetD.DeepLab二、簡(jiǎn)答題（本大題共4個(gè)小題，共20分)1、（本題5分）解釋計(jì)算機(jī)視覺中的面部識(shí)別技術(shù)。2、（本題5分）簡(jiǎn)述圖像的小波變換的特點(diǎn)。3、（本題5分）解釋計(jì)算機(jī)視覺中的模型融合技術(shù)。4、（本題5分）解釋計(jì)算機(jī)視覺中形狀描述子的作用和類型。三、應(yīng)用題（本大題共5個(gè)小題，共25分)1、（本題5分）對(duì)體育賽事的視頻進(jìn)行慢動(dòng)作分析，輔助裁判做出準(zhǔn)確判罰。2、（本題5分）通過(guò)圖像分類算法，對(duì)不同類型的鞋子圖像進(jìn)行分類。3、（本題5分）使用OpenCV實(shí)現(xiàn)圖像的灰度化處理，并計(jì)算灰度圖像的均值和標(biāo)準(zhǔn)差。4、（本題5分）開發(fā)一個(gè)能夠識(shí)別不同種類鼬科動(dòng)物的程序。5、（本題5分）開發(fā)一個(gè)能夠識(shí)別不同種類食草動(dòng)物的程序。四、分析題（本大題共4個(gè)小題，共40分)1、（本題10分）研究某品牌的電商平臺(tái)廣告設(shè)計(jì)中的目標(biāo)受眾定位，分析其如何精準(zhǔn)定位目標(biāo)受眾，提高廣告的點(diǎn)擊率和轉(zhuǎn)化率。2、（本題10分）分析