2025年大学大一（人工智能技术应用）计算机视觉试题及答案.doc

2025年大学大一（人工智能技术应用）计算机视觉试题及答案

（考试时间：90分钟 满分100分）
班级______ 姓名______

第I卷（选择题 共30分）
答题要求：每题只有一个正确答案，请将正确答案的序号填在括号内。(总共10题，每题3分)
1. 计算机视觉中，用于提取图像中边缘信息的常用算法是（ ）
A. 卷积神经网络
B. 霍夫变换
C. 高斯滤波
D. Canny边缘检测算法
2. 以下哪种图像特征描述子对光照变化比较敏感（ ）
A. SIFT
B. SURF
C. ORB
D. BRIEF
3. 在图像分类任务中，常用的损失函数是（ ）
A. 均方误差损失函数
B. 交叉熵损失函数
C. 绝对值损失函数
D. Huber损失函数
4. 计算机视觉中，用于图像分割的方法不包括（ ）
A. 阈值分割
B. 区域生长
C. 卷积核运算
D. 分水岭算法
5. 以下哪种神经网络结构常用于图像识别（ ）
A. RNN
B. LSTM
C. CNN
D. GRU
6. 图像增强的目的不包括（ ）
A. 提高图像的清晰度
B. 突出图像中的重要信息
C. 降低图像的分辨率
D. 改善图像的视觉效果
7. 在计算机视觉中，用于目标检测的算法是（ ）
A. YOLO
B. PCA
C. LDA
D. K-Means
8. 以下哪种图像滤波方法可以有效去除高斯噪声（ ）
A. 中值滤波
B. 均值滤波
C. 高斯滤波
D. 双边滤波
9. 计算机视觉中，用于三维重建的技术不包括（ ）
A. 立体视觉
B. 激光扫描
C. 图像配准
D. 语音识别
10. 以下哪种评价指标可用于评估图像分类模型的性能（ ）
A. 准确率
B. 召回率
C. F1值
D. 以上都是

第II卷（非选择题 共70分）
11. （10分）简述卷积神经网络（CNN）的基本结构和工作原理。

12. （15分）请说明图像特征提取的主要步骤和常用的特征描述子。

13. （15分）在图像分类任务中，如何选择合适的模型和参数？请简要阐述。

材料：现有一批医学图像数据，需要进行疾病诊断分类。
14. （15分）针对上述材料，请设计一个基于计算机视觉的疾病诊断分类方案，包括数据预处理、模型选择与训练、结果评估等环节。

材料：某智能安防监控系统，需要实时检测监控画面中的人员行为。
15. （15分）根据上述材料，描述如何利用计算机视觉技术实现人员行为检测，如是否存在异常行为（奔跑、打架等），并说明可能用到的算法和技术。

答案：1. D 2. A 3. B 4. C 5. C 6. C 7. A 8. C 9. D 10. D
11. 卷积神经网络基本结构包括输入层、卷积层、池化层、全连接层等。工作原理是通过卷积层中的卷积核在图像上滑动进行卷积运算，提取图像特征；池化层用于降低特征维度；全连接层进行分类或回归等操作。
12. 图像特征提取主要步骤：图像预处理、特征点检测、特征描述。常用特征描述子有SIFT、SURF、ORB、BRIEF等。SIFT对尺度、旋转、光照有较好稳定性；SURF速度更快；ORB结合FAST角点检测和BRIEF描述子，计算效率高；BRIEF计算简单快速。
13. 选择合适模型和参数：先根据问题复杂度和数据量选择模型，如简单图像分类可用LeNet，复杂的用ResNet等。再通过交叉验证等方法确定超参数，如学习率、卷积核大小、层数等，不断调整优化模型性能，使准确率、召回率等指标达到最优。
14. 数据预处理：对医学图像进行归一化、增强等操作。模型选择与训练：选用适合医学图像的CNN模型，如DenseNet等，在标注好的医学图像数据上训练。结果评估：用准确率、召回率、F1值等指标评估模型对疾病诊断分类的性能，不断调整优化模型。
15. 利用计算机视觉技术实现人员行为检测：先对监控画面进行预处理，增强图像质量。采用目标检测算法如YOLO识别画面中的人员。通过姿态估计算法确定人员姿态。利用行为识别算法，如基于轨迹的方法判断是否存在奔跑、打架等异常行为。可结合深度学习模型进行训练，提高检测准确率。