計算項目實戰(zhàn) 1

項目一自測練習(xí)題1.PyCharm適合以下（）開發(fā)場景。A、輕量開發(fā)、多語言混合編程B、純Python開發(fā)、大型項目、需要完整調(diào)試和框架支持C、僅簡單的Python腳本編寫D、無需配置即可進(jìn)行多語言開發(fā)2.關(guān)于Anaconda的base環(huán)境，以下說法正確的是（）。A、推薦作為日常開發(fā)的“主力環(huán)境”B、是Anaconda安裝后默認(rèn)創(chuàng)建的全局基礎(chǔ)環(huán)境，預(yù)裝支撐核心功能的組件和基礎(chǔ)庫C、無需保持干凈穩(wěn)定，可隨意安裝項目依賴D、不能用于安裝全局工具3.使用conda創(chuàng)建名為py311的Python3.11虛擬環(huán)境，正確命令是（）。A、condacreate--namepy311python=3.11B、condacreate-npy3113.11C、condacreatepy311python=3.11D、condacreate-envpy311python=3.114.在Anaconda中，以下（）是查看已創(chuàng)建虛擬環(huán)境列表的命令。A、condalistB、condaenvlistC、condashowenvD、conda--version5.使用venv創(chuàng)建虛擬環(huán)境時，正確的是（）。A、必須從官網(wǎng)下載Python安裝包B、會繼承當(dāng)前激活環(huán)境的Python版本C、需額外安裝venv工具包D、必須在C盤根目錄下創(chuàng)建6.驗證PyTorch是否安裝成功時，可以執(zhí)行的代碼是（）。A、print(torch.version)B、torch.install_info()C、print(torch.__version__)D、importtorch;torch.check()7.激活conda創(chuàng)建的py311虛擬環(huán)境，正確的命令是（）。A、activatepy311B、startpy311C、openpy311D、runpy3118.使用venv命令創(chuàng)建虛擬環(huán)境vpy311后，若要激活該環(huán)境，需先切換到（）目錄。A、vpy311\LibB、vpy311\ScriptsC、vpy311\IncludeD、vpy311\dist-info9.若要卸載Anacondabase環(huán)境中的numpy庫，且使用pip命令，正確的命令是（）。A、pipdeletenumpyB、pipuninstallnumpyC、condauninstallnumpyD、pipremovenumpy10.使用conda命令刪除名為py311的虛擬環(huán)境，正確的命令是（）。A、condaenvdelete-npy311B、condadeleteenv-npy311C、condaenvremove-npy311D、condaremoveenv-npy311項目二自測練習(xí)題1.使用OpenCV處理圖像時，cv2.cvtColor（img，cv2.COLOR_BGR2HSV）操作的主要目的是（）。A、壓縮圖像文件大小B、分離亮度與顏色信息以簡化分析C、增強(qiáng)圖像邊緣對比度D、將圖像轉(zhuǎn)為二值掩模2.在混合加密系統(tǒng)中，非對稱加密的主要作用是（）。A、高速加密全部傳輸數(shù)據(jù)B、安全交換對稱會話密鑰C、生成數(shù)字水印D、壓縮加密后數(shù)據(jù)3.對兩幅圖像執(zhí)行cv2.addWeighted（img1，0.6，img2，0.4，0）的結(jié)果是（）。A、僅保留img1中60%的像素B、線性混合（60%img1+40%img2）C、比較兩幅圖像的差異D、提取img2的ROI區(qū)域4.RSA加密算法屬于哪種類型（）。A、對稱加密B、非對稱加密C、哈希算法D、流密碼5.在圖像處理中，位運(yùn)算cv2.bitwise_and（img，mask）的核心功能是（）。A、疊加兩幅圖像B、用掩模提取特定區(qū)域C、反轉(zhuǎn)圖像顏色D、檢測圖像邊緣6.HTTPS協(xié)議中實際加密網(wǎng)頁數(shù)據(jù)的是（）。A、服務(wù)器的公鑰B、CA機(jī)構(gòu)的根證書C、臨時生成的AES密鑰D、用戶的登錄密碼7.將RGB圖像轉(zhuǎn)為灰度圖后，圖像通道數(shù)的變化是（）。A、3通道→1通道B、1通道→3通道C、保持3通道不變D、3通道→4通道（含透明度）8.若對兩個像素值（200，100）執(zhí)行cv2.add()，結(jié)果會是（）。A、44（200+100=300%256）B、255C、300D、150（平均值）9.混合加密技術(shù)結(jié)合了對稱與非對稱加密的優(yōu)勢，具體指（）。A、非對稱加密的高效性+對稱加密的高強(qiáng)度B、對稱加密的密鑰安全性+非對稱加密的速度C、非對稱加密的安全密鑰交換+對稱加密的數(shù)據(jù)加密效率D、對稱加密的數(shù)學(xué)不可逆性+非對稱加密的密鑰公開性10.在圖像處理中，ROI（RegionofInterest）操作通常用于（）。A、調(diào)整整個圖像的色彩平衡B、僅對特定區(qū)域進(jìn)行裁剪或濾波C、計算圖像的全局直方圖D、壓縮圖像所有通道項目三自測練習(xí)題1.使用OpenCV進(jìn)行圖像旋轉(zhuǎn)時，cv2.getRotationMatrix2D()的第二個參數(shù)代表（）。A、旋轉(zhuǎn)角度B、縮放比例C、旋轉(zhuǎn)中心D、輸出圖像尺寸2.以下（）類型最適合直接使用直方圖均衡化來提升視覺效果。A、曝光過度且對比度低的圖像B、有大量噪聲干擾的圖像C、已經(jīng)具有高對比度的圖像D、具有復(fù)雜紋理的圖像3.使用cv2.GaussianBlur()進(jìn)行高斯平滑時，ksize參數(shù)的作用是（）。A、設(shè)置圖像尺寸B、設(shè)置高斯核的大小C、設(shè)置輸出圖像格式D、設(shè)置高斯核的標(biāo)準(zhǔn)差4.opencv用于實現(xiàn)中值濾波的方法是（）。A、blur() B.filter2D()C.boxFilter()D.medianBlur()5.在2D卷積中，卷積核的大小通常是（）。A、任意大小B、通常為奇數(shù)，如3×3或5×5C、通常為偶數(shù)，如4×4或6×6D、必須與輸入的大小相同6.使用cv2.bilateralFilter()進(jìn)行圖像平滑時，參數(shù)sigmaColor和sigmaSpace的作用分別是（）。A、控制平滑的強(qiáng)度和高斯核大小B、控制色彩空間的濾波強(qiáng)度和空間鄰域的大小C、控制圖像的亮度和對比度D、控制輸出圖像的尺寸和邊緣保留程度7.cv2.GaussianBlur()中的sigmaX和sigmaY參數(shù)用于控制（）。A、高斯核的大小B、平滑的強(qiáng)度C、高斯核在X和Y方向的標(biāo)準(zhǔn)差D、圖像的邊緣強(qiáng)度8.雙邊濾波相比高斯濾波，最大的優(yōu)勢在于（）。A、計算速度更快B、能在平滑噪聲的同時更好保留圖像邊緣?C、對高斯噪聲的抑制效果更強(qiáng)D、無需設(shè)置任何參數(shù)9.關(guān)于圖像幾何變換中的仿射變換，以下描述正確的是（）。A、仿射變換只能實現(xiàn)圖像的平移和旋轉(zhuǎn)，不能實現(xiàn)縮放操作B、仿射變換會改變圖像中直線的平行關(guān)系C、仿射變換是線性變換，不包含平移操作D、仿射變換保持了圖像的平直性和平行性10.在圖像濾波處理中，關(guān)于中值濾波的特點，下列說法錯誤的是（）。A、中值濾波對椒鹽噪聲有很好的去除效果B、中值濾波是一種非線性濾波方法C、中值濾波會模糊圖像的邊緣信息，程度與均值濾波相當(dāng)D、中值濾波的輸出像素值取自濾波窗口內(nèi)所有像素值的中位數(shù)項目四自測練習(xí)題1.使用cv2.morphologyEx()函數(shù)進(jìn)行開運(yùn)算時，其內(nèi)部的實際操作順序是（）。A、先膨脹，后腐蝕B、先腐蝕，后膨脹C、原圖減去開運(yùn)算結(jié)果D、膨脹圖減去腐蝕圖2.對于一個內(nèi)部存在細(xì)小孔洞的白色前景目標(biāo)，想要填充這些孔洞，同時不希望目標(biāo)物體的外部尺寸發(fā)生顯著變化，應(yīng)該使用（）。A、多次腐蝕操作B、開運(yùn)算（MORPH_OPEN）C、閉運(yùn)算（MORPH_CLOSE）D、膨脹操作3.結(jié)構(gòu)元素的形狀對形態(tài)學(xué)操作效果影響顯著，若需優(yōu)先處理水平和垂直方向的形態(tài)特征（如文字筆畫），應(yīng)選擇（）。A、矩形結(jié)構(gòu)元素B、十字形結(jié)構(gòu)元素C、橢圓形結(jié)構(gòu)元素D、任意形狀均可4.若使用cv2.threshold(gray,127,255,cv2.THRESH_BINARY)處理圖像，對于灰度值為150的像素，處理后的值為（）。A、0B、127C、150D、2555.下列場景中，最適合使用自適應(yīng)閾值（局部閾值）的是（）。A、白底黑字的打印文檔掃描圖B、光照均勻的產(chǎn)品質(zhì)檢圖C、存在陰影的身份證照片D、灰度分布單一的純色圖像6.下列關(guān)于cv2.findContours()中CHAIN_APPROX_SIMPLE參數(shù)的作用，描述正確的是（）。A、保留輪廓上所有像素點的坐標(biāo)B、壓縮輪廓冗余點，僅保留水平、垂直、對角線方向的端C、僅保留輪廓的凸包頂點D、按順時針方向排列輪廓頂點7.cv2.approxPolyDP(contour,epsilon,closed=True)中，epsilon參數(shù)的含義是（）。A、輪廓的面積閾值B、輪廓的周長閾值C、逼近多邊形與原始輪廓的最大允許誤差（點到線段的距離）D、逼近多邊形的最大頂點數(shù)8.下列指標(biāo)可用于衡量輪廓與“理想圓形”的接近程度的是（）。A、縱橫比（AspectRatio）B、緊密度（Compactness）C、等效直徑（EquivalentDiameter）D、輪廓面積（ContourArea）9.可以通過（）判斷一個輪廓是否是凸形。A、檢查輪廓的面積是否大于一個閾值。B、使用cv2.isContourConvex()函數(shù)，如果返回True，則該輪廓是凸的。C、計算輪廓的周長，凸形的周長通常更短。D、檢查輪廓的層次結(jié)構(gòu)，最外層的輪廓總是凸的。10.在計算輪廓的矩特征cv2.moments()時，（）矩可以用來計算輪廓的質(zhì)心。A、m00B、m10和m01C、m20和m02Dm11項目五自測練習(xí)題1.對于實時性要求很高的應(yīng)用場景，推薦使用（）。A、基礎(chǔ)Harris角檢測B、優(yōu)化Harris角檢測C、Shi-Tomasi角檢測D、SIFT特征檢測2.以下關(guān)于Shi-Tomasi與Harris算法的對比，正確的是（）。A、Shi-Tomasi計算速度更慢B、Harris對噪聲更魯棒C、Shi-Tomasi無需手動調(diào)整參數(shù)kD、Harris檢測的角點數(shù)量更少3.SIFT描述子最終生成的特征向量維度是（）。A、64維 B、128維C、256維D、512維4.下列（）特征檢測算法只負(fù)責(zé)檢測關(guān)鍵點，而不生成特征描述子。A、SIFTB、ORBC、FASTD、LBP5.在OpenCV中，創(chuàng)建ORB檢測器時，參數(shù)fastThreshold的作用是（）。A、控制特征點的尺度范圍B、過濾低對比度的特征點C、設(shè)置內(nèi)部FAST角點檢測的灰度差閾值D、定義描述符的維度6.下列（）算法生成的描述子是二進(jìn)制的，因此可以使用非常高效的漢明距離進(jìn)行匹配。A、SIFTB、SURFC、ORBD、LBP7.對于ORB等二進(jìn)制描述子，在創(chuàng)建暴力匹配器時通常應(yīng)選擇（）距離度量標(biāo)準(zhǔn)。A、cv2.NORM_L1B、cv2.NORM_L2C、cv2.NORM_HAMMINGD、cv2.NORM_L2SQR8.Lowe'sRatioTest通常與（）匹配方法結(jié)合使用。A、bf.match() B、bf.knnMatch(k=1)C、bf.knnMatch(k=2)D、flann.match()9.在一個AR試妝App中，優(yōu)先選擇FLANN匹配器，根本上是出于（）考慮。A、極致的匹配精度B、用戶的實時交互體驗C、最低的手機(jī)功耗D、最少的代碼編寫量10.與暴力匹配器相比，F(xiàn)LANN的主要優(yōu)勢在于（）。A、匹配結(jié)果絕對準(zhǔn)確B、執(zhí)行速度更快，尤其在特征點數(shù)量龐大時C、不需要計算特征點之間的距離D、對內(nèi)存的需求更低項目六自測練習(xí)題1.關(guān)于分水嶺算法，以下描述正確的是（）。A、僅適用于灰度均勻的簡單圖像B、通過模擬地形淹沒過程實現(xiàn)圖像分割C、對相互接觸的目標(biāo)對象分割效果較差D、不需要任何預(yù)處理步驟即可直接應(yīng)用2.大津法（Otsu）的主要特點是（）。A、需要人工設(shè)定固定閾值B、基于類間方差最小化原理C、能夠自適應(yīng)確定最佳分割閾值D、僅適用于二值圖像處理3.在分水嶺算法中，（）函數(shù)計算每個前景像素到最近背景邊界的最短歐氏距離。A、cv2.morphologyEx()B、cv2.distanceTransform()C、cv2.connectedComponents()D、cv2.watershed()4.關(guān)于模板匹配，以下描述正確的是（）。A、模板匹配對目標(biāo)的尺度變化和旋轉(zhuǎn)變換具有很強(qiáng)的魯棒性B、模板匹配適用于任意形狀和顏色變化的目標(biāo)檢測C、模板匹配的核心思想是通過滑動窗口計算模板與源圖像的相似度D、模板匹配只能檢測圖像中的單個目標(biāo)5.在OpenCV中，用于執(zhí)行模板匹配的函數(shù)是（）。A、cv2.minMaxLoc()B、cv2.matchTemplate()C、cv2.groupRectangles()D、cv2.pyrDown()6.在多目標(biāo)匹配中，cv2.groupRectangles()函數(shù)的主要作用是（）。A、增加檢測框的數(shù)量以提高召回率B、計算模板與圖像的相似度C、消除重疊的檢測框，提高檢測準(zhǔn)確性D、構(gòu)建圖像金字塔實現(xiàn)多尺度匹配7.關(guān)于圖像金字塔技術(shù)，以下說法錯誤的是（）。A、圖像金字塔通過連續(xù)降采樣構(gòu)建多尺度圖像集合B、金字塔底層是原始圖像，頂層是分辨率最低的圖像C、cv2.pyrDown()函數(shù)用于圖像上采樣，擴(kuò)大圖像尺寸D、圖像金字塔可以有效解決目標(biāo)尺度變化帶來的匹配問題8.在交通標(biāo)志識別項目中，分水嶺算法的主要作用是（）。A、直接識別交通標(biāo)志的具體類型B、將粗略的顏色區(qū)域細(xì)分為獨(dú)立的候選目標(biāo)C、計算模板匹配的相似度D、構(gòu)建多尺度圖像空間9.在HSV顏色空間中，紅色交通標(biāo)志通常分布在（）色相范圍。A、0~10度和170~180度B、30~60度C、100~130度D、150~170度10.在單目標(biāo)匹配中，使用cv2.TM_CCOEFF_NORMED方法時，確定最佳匹配位置的依據(jù)是（）。A、響應(yīng)矩陣中的最小值位置B、響應(yīng)矩陣中的最大值位置C、響應(yīng)矩陣的平均值位置D、響應(yīng)矩陣的中值位置項目七自測練習(xí)題1.關(guān)于OpenCV（Python）中視頻讀取與處理，以下說法正確的是（）。A、使用cv2.VideoCapture()讀取視頻時，其參數(shù)只能是本地視頻文件路徑B、cv2.waitKey(1)&0xFF==ord('q')作用是控制視頻播放速度，使其以每秒1幀的速度播放C、使用cv2.VideoWriter()保存視頻時，需要指定編碼格式、幀率和分辨率D、直接從攝像頭捕獲視頻時，無需調(diào)用cap.release()來釋放資源2.在進(jìn)行視頻預(yù)處理時，我們希望同時實現(xiàn)灰度化和縮放到320x240分辨率以提升處理效率。正確的OpenCV操作順序是（）。A、先灰度化，再縮放B、先縮放，再灰度化C、順序無關(guān)緊要，結(jié)果相同D、無法在一個流程中連續(xù)進(jìn)行兩種操作3.在智能停車場車輛的檢測中，場景背景相對固定，但光照會從白天到黃昏緩慢變化，并偶爾有樹葉被風(fēng)吹動。此時應(yīng)優(yōu)先選用（）方法。A、幀間差分法B、簡單背景建模（幀平均法）C、高斯混合模型（GMM）D、光流法4.（）運(yùn)動目標(biāo)檢測方法計算效率最高，對場景光照的突然變化最不敏感，但檢測出的目標(biāo)容易產(chǎn)生“空洞”現(xiàn)象。A、三幀差分法B、高斯混合模型（GMM）C、光流法D、基于深度學(xué)習(xí)的語義分割5.CamShift算法的全稱是（），它是MeanShift算法的改進(jìn)，能夠自適應(yīng)調(diào)整跟蹤窗口的尺寸。A、ConstantMean-ShiftB、ContinuouslyAdaptiveMean-ShiftC、ComputerVisionMean-ShiftD、ColorAdaptiveMean-Shift6.使用OpenCV的`cv2.VideoWriter()`函數(shù)保存視頻時，（）不是必須提供的參數(shù)。A、輸出文件名B、視頻編碼格式（FourCC）C、幀率（FPS）D、視頻的總幀數(shù)7.在運(yùn)動目標(biāo)跟蹤中，一種算法結(jié)合了目標(biāo)的顏色概率分布和迭代優(yōu)化尋找極值點，它最可能是（）。A、卡爾曼濾波B、光流法（KLT）C、相關(guān)濾波跟蹤器（KCF）D、MeanShift算法8.光流法進(jìn)行運(yùn)動目標(biāo)檢測的一個重要前提是（）。A、背景必須是靜止的B、目標(biāo)的顏色必須與背景有顯著差異C、相鄰幀之間的時間間隔足夠短，且目標(biāo)像素的亮度保持恒定D、必須已知目標(biāo)的先驗形狀模型9.相關(guān)濾波跟蹤器（如KCF）之所以能達(dá)到極高的跟蹤速度，關(guān)鍵原因在于（）。A、它只跟蹤單個角點B、它采用了復(fù)雜的深度學(xué)習(xí)模型C、它完全不需要進(jìn)行模型更新D、它利用循環(huán)矩陣和傅里葉變換將計算轉(zhuǎn)換到頻域，用點乘代替了卷積10.關(guān)于視頻幀率（FPS）的描述，以下正確的是（）。A、從視頻中讀取的每一幀圖像，其分辨率都可以通過cap.get(cv2.CAP_PROP_FPS)獲得B、降低處理循環(huán)中的cv2.waitKey()的延遲時間，一定會提高視頻保存的幀率C、高幀率視頻意味著每秒顯示的圖像更多，因此視頻文件通常更大，人眼觀看也更流暢D、使用攝像頭捕獲視頻時，無法設(shè)置其采集的幀率項目八自測練習(xí)題1.關(guān)于機(jī)器學(xué)習(xí)在計算機(jī)視覺中的應(yīng)用，以下描述正確的是（）。A、機(jī)器學(xué)習(xí)通過預(yù)設(shè)的詳細(xì)規(guī)則讓計算機(jī)理解圖像內(nèi)容B、機(jī)器學(xué)習(xí)使計算機(jī)能夠從標(biāo)注數(shù)據(jù)中學(xué)習(xí)視覺特征模式C、機(jī)器學(xué)習(xí)主要依靠人工提取的特征規(guī)則進(jìn)行圖像分類D、機(jī)器學(xué)習(xí)無需大量數(shù)據(jù)即可實現(xiàn)準(zhǔn)確的圖像識別2.在中草藥分類項目中，選擇支持向量機(jī)（SVM）的主要原因是（）。A、SVM適合處理小樣本、高維數(shù)據(jù)的分類問題B、SVM不需要進(jìn)行參數(shù)調(diào)優(yōu)即可獲得最佳性能C、SVM能夠自動提取圖像中的深度特征D、SVM適用于無監(jiān)督學(xué)習(xí)任務(wù)3.關(guān)于支持向量機(jī)（SVM）的核心思想，以下描述最準(zhǔn)確的是（）。A、尋找一個能夠?qū)⑺袠颖菊_分類的決策邊界B、尋找一個使得不同類別樣本之間間隔最大化的決策超平面C、尋找一個能夠最小化分類錯誤的決策邊界D、尋找一個能夠適應(yīng)復(fù)雜數(shù)據(jù)分布的決策邊界4.關(guān)于SVM中核函數(shù)的作用，以下說法正確的是（）。A、核函數(shù)用于增加模型的復(fù)雜度，提高分類準(zhǔn)確率B、核函數(shù)通過非線性映射將數(shù)據(jù)轉(zhuǎn)換到高維空間，使其線性可分C、核函數(shù)主要用于減少支持向量的數(shù)量D、核函數(shù)用于加快模型的訓(xùn)練速度5.在中草藥圖像特征提取過程中，以下哪組特征最能全面描述葉片特性（）。A、僅顏色特征B、顏色特征和紋理特征C、顏色特征、紋理特征和形狀特征D、僅形狀特征6.關(guān)于分類模型評價指標(biāo)，以下說法正確的是（）。A、準(zhǔn)確率適用于所有類別不平衡的數(shù)據(jù)集B、精確率和召回率存在權(quán)衡關(guān)系，不能同時提高C、混淆矩陣只能用于二分類問題D、召回率衡量的是模型預(yù)測為正類的樣本中有多少是真正的正類7.當(dāng)SVM模型在訓(xùn)練集上表現(xiàn)很好但在測試集上表現(xiàn)較差時，最可能的原因是（）。A、懲罰參數(shù)C設(shè)置過小B、訓(xùn)練數(shù)據(jù)量不足C、模型出現(xiàn)了過擬合D、特征維度太低8.在中草藥分類項目中，使用PCA進(jìn)行特征降維的主要目的是（）。A、提高模型的準(zhǔn)確率B、減少特征間的相關(guān)性，降低計算復(fù)雜度C、增加特征的多樣性D、增強(qiáng)模型的解釋性9.關(guān)于數(shù)據(jù)增強(qiáng)技術(shù)在中草藥圖像分類中的作用，以下描述錯誤的是（）。A、增加訓(xùn)練數(shù)據(jù)的多樣性B、提高模型的泛化能力C、減少過擬合的風(fēng)險D、替代原始數(shù)據(jù)，減少數(shù)據(jù)收集工作量10.在模型評估階段，將數(shù)據(jù)集劃分為訓(xùn)練集和測試集的主要目的是（）。A、加快模型訓(xùn)練速度B、客觀評估模型的泛化能力C、減少特征維度D、平衡各類別的樣本數(shù)量項目九自測練習(xí)題1.關(guān)于聚類分析的特點，以下描述正確的是（）。A、聚類分析需要預(yù)先標(biāo)記的訓(xùn)練數(shù)據(jù)B、聚類分析的核心是根據(jù)樣本內(nèi)在相似性劃分?jǐn)?shù)據(jù)C、聚類結(jié)果可以直接與有監(jiān)督分類的準(zhǔn)確性比較D、聚類分析主要依賴外部標(biāo)簽進(jìn)行數(shù)據(jù)劃分2.K-Means聚類算法中，K值的含義是（）。A、迭代次數(shù)B、樣本數(shù)量C、聚類中心D、聚類數(shù)目3.關(guān)于肘部法確定K值的描述，以下正確的是（）。A、肘部法通過計算輪廓系數(shù)來確定最佳K值B、肘部法通過觀察WCSS值隨K值變化的拐點來確定最佳K值C、肘部法直接給出最優(yōu)K值，無需人工判斷D、肘部法適用于所有類型的數(shù)據(jù)集，總能找到明顯拐點4.在肘部法中，我們通過觀察（）指標(biāo)隨K值變化的折線圖來確定最佳K值。A、輪廓系數(shù)B、簇間平方和（BCSS）C、簇內(nèi)平方和（WCSS）D、聚類中心5.關(guān)于輪廓系數(shù)分析法，以下說法正確的是（）。A、輪廓系數(shù)分析法計算復(fù)雜度較低，適合大規(guī)模數(shù)據(jù)集B、輪廓系數(shù)分析法同時考慮了簇內(nèi)緊密性和簇間分離性C、輪廓系數(shù)分析法中，K=1時的輪廓系數(shù)最有意義D、輪廓系數(shù)值越接近-1，表示聚類效果越好6.在圖像顏色量化中，我們使用K-Means聚類對（）進(jìn)行聚類。A、圖像像素的灰度值B、圖像像素的RGB值C、圖像的尺寸D、圖像的邊緣7.關(guān)于K-Means聚類算法的不足，以下說法錯誤的是（）。A、對初始聚類中心敏感B、對噪聲和異常值不敏感C、難以處理非球形的簇D、K值難以確定8.在藝術(shù)海報生成項目中，調(diào)色板是（）生成的。A、隨機(jī)生成一組顏色B、使用聚類中心的顏色，并按比例顯示C、從圖像中隨機(jī)選取像素顏色D、使用固定的顏色組合9.在輪廓系數(shù)分析法中，我們選擇（）作為最佳聚類數(shù)目。A、輪廓系數(shù)最小的K值B、輪廓系數(shù)最大的K值C、輪廓系數(shù)最接近0的K值D、輪廓系數(shù)最接近-1的K值10.在生成藝術(shù)海報效果時，我們通過（）方法為量化后的圖像添加黑色輪廓。A、圖像平滑B、邊緣檢測C、顏色增強(qiáng)D、圖像旋轉(zhuǎn)項目十自測練習(xí)題1.在卷積神經(jīng)網(wǎng)絡(luò)（CNN）中，卷積層（ConvolutionalLayer）的主要作用是（）。A、減少特征圖的維度B、自動提取圖像的局部特征C、防止模型過擬合D、將數(shù)據(jù)展平為一維向量2.池化層（PoolingLayer，如最大池化）在CNN中的主要目的是（）。A、增加特征圖的維度B、提取更復(fù)雜的抽象特征C、減少計算量并提供平移不變性D、增加模型的非線性3.在現(xiàn)代CNN的隱藏層中，最常用于激活神經(jīng)元，并有效緩解梯度消失問題的激活函數(shù)是（）。A、SigmoidB、TanhC、ReLUD、Softmax4.在一個多類別分類任務(wù)中（例如，工業(yè)零件有5種不同的缺陷類型），輸出層最常使用的激活函數(shù)和損失函數(shù)組合是（）。A、Sigmoid和均方誤差（MSE）B、ReLU和L1損失C、Softmax和交叉熵?fù)p失（Cross-EntropyLoss）D、Tanh和鉸鏈損失（HingeLoss）5.在深度學(xué)習(xí)模型訓(xùn)練中，（）優(yōu)化算法通過為每個參數(shù)維護(hù)自適應(yīng)的學(xué)習(xí)率而聞名，通常在各種任務(wù)中都表現(xiàn)穩(wěn)健。A、SGD（隨機(jī)梯度下降）B、Momentu