← 返回列表

5.2.3-图像分割.md

5.2.3 图像分割（问答库）

5.1.2 计算机视觉处理流程（问答库）

  1. 【单选题·易】计算机视觉系统中，将光信号转换成图像信号的是（ ） A. 图像处理软件 B. 图像采集硬件 C. 损失函数 D. 验证集 答案：B 解析： 语料指出，系统通过图像采集硬件（如相机、镜头、光源等）将光信号转换成图像信号，再传送给图像处理软件。
  2. 【单选题·易】教材用哪一示例说明计算机视觉处理流程（ ） A. 刷脸支付 B. 停车场车牌自动识别 C. 人流量统计 D. 拍照识物 答案：B 解析： 5.1.2明确“停车场车牌自动识别流程如图5-1所示”。刷脸支付、拍照识物、人流量统计是本章前言中的应用例子，不是本小节给出的流程图示例。
  3. 【判断题·易】数据预处理的主要目的是提高数据的质量和可用性。 答案：√ 解析： 收集图像或视频后，对数据进行预处理，正是为了提高数据的质量和可用性。
  4. 【判断题·易】图像分割是将图像划分为若干可以相互重叠的区域。 答案：× 解析： 图像分割是将图像划分为若干个互不重叠且具有各自特征的区域，特征可以是灰度、颜色、纹理等。
  5. 【多选题·中】下列属于数据预处理主要步骤的有（ ） A. 对比度增强 B. 图像灰度化 C. 几何变换 D. 图像解释 答案：ABC 解析： 预处理主要包括对比度增强、图像灰度化、归一化、几何变换和滤波（去噪）。图像解释属于流程的最后环节，不是预处理。
  6. 【单选题·中】直方图门限法的主要局限是（ ） A. 必须给定初始轮廓 B. 仅考虑灰度信息，忽略了空间信息 C. 专门用于纹理分类 D. 对噪声完全不敏感 答案：B 解析： 直方图门限法根据灰度直方图选择一个或多个门限值进行分割，仅考虑灰度信息、忽略空间信息。必须给定初始轮廓的是活动轮廓法；对噪声较为敏感的是边缘检测法。
  7. 【多选题·中】下列属于传统特征提取方法的有（ ） A. SIFT（尺度不变特征变换） B. SURF（加速稳健特征） C. HOG（定向梯度直方图） D. LBP（局部二值模式） 答案：ABCD 解析： 语料将SIFT、SURF、HOG、LBP列为依赖人类专家先验知识的传统特征提取方法。
  8. 【判断题·中】通常，验证集用于训练模型，训练集用于评估模型的最终性能。 答案：× 解析： 训练集用于训练模型，验证集用于调整模型参数（如超参数），测试集用于评估模型的最终性能。题干把三者用途写反了。
  9. 【简答题·中】什么是图像分割？请列举至少三种分割方法，并各指出一种方法的主要局限。 答案： 图像分割是将图像划分为若干个互不重叠且具有各自特征（如灰度、颜色、纹理等）的区域，从而把目标从背景中分离出来，便于后续分析。方法及局限示例：①直方图门限法——仅考虑灰度、忽略空间信息；②区域生长法——可能过度分割；③基于随机场模型法（如MRF）——计算复杂度较高；④边缘检测法——对噪声较为敏感；⑤活动轮廓法（Snake）——需要合适的初始轮廓和迭代策略。答出定义并正确写出三种方法及至少一种局限即可。 解析： 评分要点：定义须含“互不重叠”“按特征分区”“目标与背景分离”；方法名称与语料一致；局限不得张冠李戴。
  10. 【多选题·中】与传统方法相比，卷积神经网络用于特征学习的优点包括（ ） A. 自动特征学习 B. 特征层次化 C. 端到端训练 D. 必须由人类专家设计特征因子 答案：ABC 解析： 语料概括CNN的优点为：无须人工设计特征提取器、经多层非线性变换得到从低级到高级的特征、可实现特征提取与分类等任务的端到端训练。D项是传统方法的特点，不是CNN的优点。
  11. 【单选题·难】下列对应关系全部正确的是（ ） A. SIFT主要用于纹理分类；LBP具有尺度不变性并用于图像匹配；HOG在保持SIFT性能基础上提高计算速度 B. SURF适用于实时计算机视觉系统；HOG主要用于物体检测；LBP用于纹理分类；Adam是自适应矩估计 C. 边缘检测法对噪声不敏感；区域生长法忽略空间信息；直方图门限法必须给定初始轮廓 D. Adam是均方误差；MSE是自适应矩估计；AdaGrad是随机梯度下降 答案：B 解析： SURF在保持SIFT优良性能基础上提高计算速度，适用于实时系统；HOG主要用于物体检测；LBP用于纹理分类；Adam即自适应矩估计。A项把SIFT、LBP、HOG/SURF的用途对调；C项与语料相反（边缘检测对噪声敏感，区域生长能较好保留空间信息，需初始轮廓的是Snake）；D项把优化器与损失函数、各优化器名称全部搞混（SGD为随机梯度下降，AdaGrad为自适应次梯度方法，MSE为均方误差）。
  12. 【简答题·难】按顺序列出计算机视觉处理流程的六个主要环节，并说明模型选择与训练、模型测试与评估为什么是一个迭代过程。 答案： 六个环节依次为：①数据收集与数据预处理；②图像分割；③特征提取与特征表示；④模型选择与训练；⑤模型测试与评估；⑥图像分析与解释。之所以是迭代过程，是因为要用测试集上的准确率、召回率、F1分数等评估模型；若性能不满足要求，需返回模型选择阶段重新选择模型或调整参数，并根据任务需求、数据特点和模型性能不断优化，才能得到更可靠的性能指标。 解析： 评分要点：六个环节名称正确、顺序正确；须说明测试不达标则返回重选或调参；能点出评估指标或“根据任务、数据与性能不断调整”可加分。漏环节、顺序颠倒或只写环节不写迭代原因，给部分分。
下载此文件