机器视觉理论考核练习题库

SunnyFan大约 62 分钟约 18735 字

机器视觉理论考核练习题库

单选

1. Q: 语义分割是一个（）过程。

1、无监督学习
2、半监督学习
3、有监督学习
4、强化学习

2. Q: 下列选项（）表示预测为真且实际上也是真。

1、 True Positive
2、 True Negative
3、 False Positive
4、 False Negative

3. Q: 基于5G（）的特性，能够实现受限于4G带宽的工业现场多条生产线多个传感器的并发通信。

1、高速率
2、低延迟
3、超高精度
4、高并发

4. Q: AI是（）的英文缩写

1、 Automatic Intelligence
2、 Artificial Intelligence
3、 Automatice Information
4、 Artifical Information

5. Q: 如果输入是图像的话，那么池化层的最主要作用就是压缩（）。

1、视频
2、音频
3、数字
4、图像

6. Q: Max pooling的思想：对于每个2x2的窗口选出最大的数作为输出矩阵的相应元素的值，比如输入矩阵第一个2x2窗口中最大的数是6，那么输出矩阵的第一个元素就是（）。

1、 6
2、 8
3、 3
4、 4

7. Q: Max pooling的思想：对于每个2x2的窗口选出最大的数作为输出矩阵的相应元素的值，比如输入矩阵第二个2x2窗口中最大的数是8，那么输出矩阵的第二个元素就是（）。

1、 6
2、 8
3、 3
4、 4

8. Q: Max pooling的思想：对于每个2x2的窗口选出最大的数作为输出矩阵的相应元素的值，比如输入矩阵第三个2x2窗口中最大的数是3，那么输出矩阵的第三个元素就是（）。

1、 6
2、 8
3、 3
4、 4

9. Q: Max pooling的思想：对于每个2x2的窗口选出最大的数作为输出矩阵的相应元素的值，比如输入矩阵第四个2x2窗口中最大的数是4，那么输出矩阵的第四个元素就是（）。

1、 6
2、 8
3、 3
4、 4

10. Q: 以下（）不是与训练相关的基本概念。

1、循环传播
2、前向传播
3、反向传播
4、优化器

11. Q: 工业上的三次浪潮，不包括下列（）。

1、工业革命
2、互联网革命
3、工业互联网
4、移动互联网

12. Q: 卷积模块中没有提到（）

1、传统卷积
2、空洞卷积
3、内卷
4、可形变卷积

13. Q: 不同的损失函数会推动网络去学习（）的细节特征，造成的结果也（）。

1、不同，不同
2、不同，相同
3、相同，不同
4、相同，相同

14. Q: 在选在光源时，首先应明确是用于以下目标中，不包含（）。

1、定位引导
2、检测瑕疵
3、读取信息
4、光源价格

15. Q: 以下（）概念没有在神经网络中被提及。

1、前向传播
2、反向传播
3、链式求导法则
4、合并同类项

16. Q: 学习卷积神经网络时，以下（）被提及。

1、参数共享
2、知识外溢
3、共享经济
4、比较优势

17. Q: 池化操作不包括（）。

1、最大池化
2、平均池化
3、游泳池
4、随机池化

18. Q: 哪一个是机器学习的合理定义？( )

1、机器学习从标记的数据中学习
2、机器学习能使计算机能够在没有明确编程的情况下学习
3、机器学习是计算机编程的科学
4、机器学习是允许机器人智能行动的领域

19. Q: 识别零部件上的文字属于( )应用。

1、 OCR
2、分割
3、分类
4、检测

20. Q: 计算机视觉的三个层次中，最深的一层是（）。

1、看得清
2、看得到
3、看不到
4、看得懂

21. Q: 神经网络的基本单位是（）。

1、激活函数
2、神经元
3、参数
4、机器学习

22. Q: 5G的用户体验速率约为（），端到端时延为（）。

1、 0.1-1Gbps，10ms
2、 0.1-1Gbps，1ms
3、 10Mbps，1ms
4、 10Mbps，10ms

23. Q: 学习卷积层时，对于filter的正确释义为（）。

1、滤镜
2、滤波器
3、过滤器
4、筛选程序

24. Q: CNN采用的激励函数一般为ReLU(The Rectified Linear Unit/修正线性单元)，它的特点是收敛（），求梯度（）。

1、慢，复杂
2、慢，简单
3、快，简单
4、快，复杂

25. Q: 以下（）不是与训练相关的基本概念。

1、批量大小
2、全数据集
3、数据大小
4、学习率

26. Q: 在训练神经网络的时候，对于epoch的正确释义为（）。

1、时代
2、全数据集
3、历元
4、迭代

27. Q: 在训练神经网络的时候，对于iteration的正确释义为（）。

1、重复
2、反复
3、循环
4、迭代

28. Q: 5G基站相对4G基站的功率小很多，目前一个5G基站的覆盖范围大概在（）米，要想保证覆盖范围，需要建立很多基站。

1、 300
2、 400
3、 500
4、 600

29. Q: 增强型移动宽带：移动宽带处理的是以（）为中心的使用案例，涉及用户对多媒体内容、服务和数据的访问。

1、人
2、物
3、内容
4、服务

30. Q: 工业互联网以（）为核心。

1、流量
2、人
3、数据
4、服务

31. Q: 下列（）不属于AI分支。

1、问题求解(搜索)
2、知识、推理与规划
3、工业工程运营与管理
4、通讯、感知与行动

32. Q: 图像还原技术不能用以修复（）。

1、模糊
2、噪声
3、破损
4、丢失

33. Q: 低分辨率图像占用空间（），然而细节信息丢失；超分辨率算法用于（）分辨率，并最大限度恢复细节

1、小，提高
2、大，提高
3、小，降低
4、大，降低

34. Q: 图像内容补全技术不能用以（）。

1、老旧照片破碎
2、消除照片中的乱入
3、丢失的图片
4、老旧照片小尺度缺损

35. Q: 假设你正在做天气预报，并使用算法预测明天气温（摄氏度/华氏度），这是一个（）问题。

1、分割
2、回归
3、聚类
4、检测

36. Q: 假设你在做股市预测。你想预测某家公司是否会在未来7天内宣布破产（通过对之前面临破产风险的类似公司的数据进行训练）。这是一个（）问题。

1、分类
2、回归
3、检测
4、聚类

37. Q: 数据标注的下一步是( )

1、模型验证
2、新建任务
3、数据上传
4、模型训练

38. Q: 图像分类根据各自在图像信息中所反映的( )，把不同类别的目标区分开来的图像处理方法。

1、不同尺寸
2、不同特征
3、不同颜色
4、不同位置

39. Q: OCR识别方案分为基于Attention与基于( )的识别方案。

1、卷积神经网络
2、神经元
3、 CTC
4、 RNN

40. Q: ( )是TWO-STAGE目标检测算法。

1、 YOLO
2、 Center-ness
3、 R-CNN
4、 SSD

41. Q: 在OCR识别应用中，（ )方法效率更高。

1、 Attention
2、 FCOS
3、 CTC
4、 RNN

42. Q: 梯度下降方法中，梯度下降的方向是（）的方向。

1、局域值最小化
2、全局值最小化
3、函数变化最快
4、局域值最大化

43. Q: OCR利用计算机对图像进行定量分析，把图像或图像中的每个像元或区域（），以代替人的视觉判读。

1、分类
2、分割
3、回归
4、预测

44. Q: 批量大小（batch size）越大，训练时间（），稳定性（）。

1、减少，提高
2、减少，下降
3、增加，提高
4、增加，下降

45. Q: （）直接影响模型的收敛状态。

1、批量大小
2、训练时间
3、数据大小
4、学习率

46. Q: （）直接影响模型的泛化性能。

1、批量大小
2、训练时间
3、数据大小
4、学习率

47. Q: 轴承制造是一种精密的基础件制造业，精度以（）来衡量，比普通机械零件的精度要求高10倍。

1、 0.001mm
2、 0.0001mm
3、 0.1mm
4、 0.01mm

48. Q: 气缸定位组装，要求工作距离（）以上。

1、 600mm
2、 60mm
3、 300mm
4、 30mm

49. Q: 充电头内部PIN平整度检测，常见做法是将底部打亮，可采用两个（）倾斜打光。

1、条型光源
2、面型光源
3、点型光源
4、线型光源

50. Q: 充电器表面划痕检测，采用（）成像。

1、同轴型光源
2、平行同轴型光源
3、面型光源
4、开孔面型光源

51. Q: 一个计算机程序从经验E中学习任务T，并用P来衡量表现。并且，T的表现P随着经验E的增加而提高。假设我们给一个学习算法输入了很多历史天气的数据，让它学会预测天气。( )是P的合理选择。

1、计算大量历史气象数据的过程
2、天气预报任务
3、正确预测未来日期天气的概率
4、以上都不对

52. Q: 语义分割通过对每个像素进行密集的( )、推断标签来实现细粒度的推理，从而使每个像素都被标记为其封闭对象区域的类别。

1、训练
2、分类
3、预测
4、降维

53. Q: 目前的语义分割都是只下采样到原图的（）之后便会开始上采样。

1、 1/8
2、 1/16
3、 1/32
4、 1/64

54. Q: python不支持的数据类型是：（）

1、 char
2、 int
3、 float
4、 list

55. Q: 2.以下叙述正确的是：( )

1、 continue语句的作用是结束整个循环的执行
2、 break语句的作用是结束整个循环的执行
3、在循环体内使用break语句或continue语句的作用相同
4、以上答案都不对

56. Q: 下列属于聚类学习的是：( )

1、线性回归
2、 K近邻
3、 k-means
4、决策树

57. Q: 以下哪个机器学习算法，主要用来解决回归问题:（）

1、线性回归
2、 k-means
3、决策树
4、逻辑回归算法

58. Q: 如果我们用了一个过大的学习速率会发生什么？( )

1、神经网络会收敛
2、不好说
3、都不对
4、神经网络不会收敛

59. Q: 下列哪个函数不可以做激活函数？（）

1、 y = tanh(x)
2、 y = sin(x)
3、 y = max(x,0)
4、 y = 2x

60. Q: 在一个神经网络中，知道每一个神经元的权重和偏差是最重要的一步。如果知道了神经元准确的权重和偏差，便可以近似任何函数，但怎么获知每个神经的权重和偏移呢？（）

1、搜索每个可能的权重和偏差组合，直到得到最佳值
2、赋予一个初始值，然后检查跟最佳值的差值，不断迭代调整权重
3、随机赋值，听天由命
4、以上都不正确的

61. Q: 在一个神经网络中，下面哪种方法可以用来处理过拟合？( )

1、 Dropout
2、分批归一化(Batch Normalization)
3、正则化(regularization)
4、上述选项都可以

62. Q: 下列哪个语句在Python中是非法的？（）

1、 x = y = z = 1
2、 x = (y = z + 1)
3、 x, y = y, x
4、 x += y

63. Q: 下面哪个不是Python合法的标识符？（）

1、 int32
2、 40XL
3、 self
4、 name

64. Q: 计算机中信息处理和信息储存用（）。

1、二进制代码
2、十进制代码
3、十六进制代码
4、 ASCII代码

65. Q: python源程序执行的方式是（）。

1、编译执行
2、解析执行
3、直接执行
4、边编译边执行

66. Q: Python语言语句块的标记是（）。

1、分号
2、逗号
3、缩进
4、句号

67. Q: “ab”+”c”*2 结果是：（）。

1、 abc2
2、 abcabc
3、 abcc
4、 ababcc

68. Q: 以下哪项python能正常启动？（）

1、拼写错误
2、错误表达式
3、缩进错误
4、手动抛出异常

69. Q: 关于Python内存管理，下列说法错误的是（）。

1、变量不必事先声明
2、变量无须先创建和赋值而直接使用
3、变量无须指定类型
4、可以使用del释放资源

70. Q: 下列哪种说法是错误的？（）

1、除字典类型外，所有标准对象均可以用于布尔测试
2、空字符串的布尔值是False
3、空列表对象的布尔值是False
4、值为0的任何数字对象的布尔值是False

71. Q: 关于字符串下列说法错误的是（）。

1、字符应该视为长度为1的字符串
2、字符串以\0标志字符串的结束
3、既可以用单引号，也可以用双引号创建字符串
4、在三引号字符串中可以包含换行回车等特殊字符

72. Q: 关于Python中的复数，下列说法错误的是？（）

1、表示复数的语法是real + image j
2、实部和虚部都是浮点数
3、虚部必须后缀j，且必须是小写
4、方法conjugate返回复数的共轭复数

73. Q: 以下不能创建一个字典的语句是。 ( )

1、 dict1 = {}
2、 dict2 = { 3 : 5 }
3、 dict3 = {[1,2,3]: “uestc”}
4、 dict4 = {(1,2,3): “uestc”}

74. Q: 下列Python语句正确的是。 ( )

1、 min = x if x < y else y
2、 max = x > y ? x : y
3、 if (x > y) print x
4、 while True : pass

75. Q: 以下是字符转换成字节的方法是。（）

1、 decode()
2、 encode()
3、 upper()
4、 rstrip()

76. Q: 任务使用流程不包括。（ )

1、数据标注
2、数据下载
3、数据上传
4、模型测试

77. Q: 以下会出现错误的是。（）

1、 ‘北京’.encode()
2、 ‘北京’.decode()
3、 ‘北京’.encode().decode()
4、以上都不会错误

78. Q: 高频率电波传输的信息量（），穿透能力（），信号覆盖范围（）。

1、少，强，大
2、少，弱，小
3、多，强，大
4、多，弱，小

79. Q: 一阶段目标检测器FCOS中没有提到（）。

1、主干网络
2、特征融合过程
3、特征检测分类
4、脊柱

80. Q: 目标检测模型的输出是一个列表，列表的每一项使用一个数据组给出检出目标的（）。

1、类别
2、大小
3、颜色
4、尺寸

81. Q: 以下是哪些是正确的字符串？（）

1、 ‘abc”ab”
2、 ‘ab”cab”
3、 “abc”ab”
4、 “abc\”ab”

82. Q: 目标检测即找出图像中所有感兴趣的物体，包含( )等子任务。

1、像素预测
2、物体分类
3、物体分割
4、字符检测

83. Q: 紫外型光源适用于以下场景（）。

1、杂质检测
2、液位测量
3、荧光防伪码检测
4、屏幕模组检测

84. Q: 工业互联网平台三个关键功能组成部分不包括（）。

1、 IaaS层
2、边缘层
3、应用层
4、 PaaS 层

85. Q: ViMo训练平台可以完成（）任务。

1、分类
2、分割
3、 OCR检测识别
4、以上全部

86. Q: OCR中的特性问题不包括（ )。

1、长条状目标
2、不规则形状
3、池化
4、序列化问题

87. Q: 池化的作用不包括（）。

1、特征不变性
2、特征降维
3、积累可学习参数
4、在一定程度上防止过拟合，方便优化

88. Q: 池化方法和作用正确匹配的有（）。

1、平均池化--更多地保留图像背景信息
2、最大池化--减小领域大小受限造成的估计值方差增大
3、平均池化--减小卷积层参数误差造成的估计均值偏移
4、随机池化--更多地保留纹理信息

89. Q: 人工智能是一门（）。

1、数学和生理学
2、心理学和生理学
3、语言学
4、综合性的交叉学科和边缘科学

90. Q: 机器学习的核心任务是在新的、未知的数据中执行得好。而这种在未知数据中执行的能力，成为（）。

1、泛化能力
2、过拟合
3、欠拟合
4、正则化

91. Q: 下面不属于人工智能研究基本内容的是（）。

1、机器感知
2、机器学习
3、自动化
4、机器思维

92. Q: （）以住宅为平台应用人工智能技术。

1、智能家居
2、专家系统
3、模式识别
4、智能控制

93. Q: 人工智能概念确立是在（）年。

1、 1926
2、 1956
3、 1986
4、 2016

94. Q: 人工智能的目的是让机器能够（），以实现某些脑力劳动的机械化。

1、模拟、延伸和拓展人的智能
2、具有完全的智能
3、和人脑一样考虑问题
4、完全替代人类

95. Q: 主要研究计算机如何自动获取知识和技能，实现自我完善的学科叫做（）。

1、专家系统
2、机器学习
3、神经网络
4、模式识别

96. Q: 自然语言理解是人工智能的重要应用领域，下面（）不是它要实现的目标。

1、理解别人讲的话
2、对自然语言表示的信息进行分析概括或编辑
3、欣赏音乐
4、机器翻译

97. Q: 为了解决如何模拟人类的感性思维，例如视觉理解、直觉思维、悟性等，研究者找到一个重要的信息处理的机制是（）。

1、专家系统
2、人工神经网络
3、模式识别
4、智能代理

98. Q: 1997年5月11日，轰动全球的人机大战中，IBM公司研制的超级计算机“深蓝”战胜了国际象棋世界冠军卡斯帕罗夫，这属于（）。

1、人工思维
2、机器思维
3、人工智能
4、机器智能

99. Q: 下列应用不属于人工智能领域的是（）。

1、自动定理证明
2、自然语言理解
3、博弈
4、演示文稿制造

100. Q: 分类算法属于一种（）的学习

1、有监督
2、无监督
3、少监督
4、多监督

101. Q: 聚类（Cluster）分析是由（）组成的，通常，模式是一个的（）向量，或者是多维空间中的一个点。

1、模式、度量
2、度量、模式
3、模式、模式
4、度量、度量

102. Q: 回归分析是一种预测性的建模技术，它研究的是（目标）和（预测器）之间的关系。

103. Q: 分类是在一群（）类别标号的样本中，训练一种分类器，让其能够对某种未知的样本进行分类

1、不知道
2、已经知道
3、无法知道
4、可以不知道

104. Q: 算数平均值在（）上与中位数相等

1、不对称分布
2、分布式
3、对称分布
4、非正态分布

105. Q: 中位数是（）平均数，数组排序后正中间的数，或中间的两个数的算术平均值；对离群点更加不敏感；适合描述偏度较大的变量的集中趋势

1、位置
2、 nan
3、质量
4、比较

106. Q: Sigmoid 函数称为对数几率函数，其函数的值域为（）

1、 (0,+∞）
2、 (-1,1)
3、 (0,1)
4、 (-∞,+∞)

107. Q: 当事件B已经发生的时候，事件 A发生的可能性，称为在 B 条件下 A 发生的条件概率，表示为：

1、 P(A|B)
2、 P(AB)
3、 P(B|A)
4、 P(B)

108. Q: 以下属于生成式模型的是（）

1、 SVM
2、随机森林
3、朴素贝叶斯模型
4、逻辑回归

109. Q: 在统计模式识别分类问题中，当先验概率未知时，可以使用（）？

1、最小损失准则
2、 N-P判决
3、最大损失准则
4、最小误判概率准则

110. Q: 下面关于贝叶斯分类器描述错误的是（）

1、以贝叶斯定理为基础
2、是基于后验概率，推导出先验概率
3、可以解决有监督学习的问题
4、可以用极大似然估计法解贝叶斯分类器

111. Q: 以下哪个不是降低欠拟合风险的方法（）

1、添加新特征
2、增加模型复杂度
3、减少特征数量
4、减小正则化系数

112. Q: 假定某同学使用贝叶斯分类模型时，不小心将训练数据的两个维度搞重复了，那么以下说法正确的是( )

1、这个被重复的特征在模型中的决定作用会被加强
2、模型效果相比无重复特征的情况下精确度会降低
3、如果所有特征都被重复一遍，得到的模型预测结果相对于不重复的情况下的模型预测结果一样
4、 NB可以用来做最小二乘回归

113. Q: 机器学习中L1正则化和L2正则化的区别是( )

1、都可以得到稀疏的权值
2、都可以得到平滑的权值
3、使用L1可以得到稀疏的权值，使用L2可以得到平滑的权值
4、使用L1可以得到平滑的权值，使用L2可以得到稀疏的权值

114. Q: 有关机器学习分类算法的Precision和Recall,以下定义中正确的是( ）假定tp=true positive,t n =true negative, fp =false positive,fn =false negative)

1、 Precision=tp/(tp+fp),Recall =tp/(tp+fn)
2、 Precision =tp/(tn+fp),Recall =tp/(tp+fn)
3、 Precision =tp/(tn+fn),Recall=tp/(tp+fp)
4、 Precision =tp/(tp+fp),Recall=tp/(tn +fn)

115. Q: 假如使用一个较复杂的回归模型来拟合样本数据，使用 Ridge 回归，调试正则化参数 λ，来降低模型复杂度。若 λ 较大时，关于偏差（bias）和方差（variance），下列说法正确的是（）

1、若 λ 较大时，偏差减小，方差减小
2、若 λ 较大时，偏差减小，方差增大
3、若 λ 较大时，偏差增大，方差减小
4、若 λ 较大时，偏差增大，方差增大

116. Q: 关于 L1、L2 正则化下列说法正确的是（）？

1、 L2 正则化能防止过拟合，提升模型的泛化能力，但 L1 做不到这点
2、 L2 正则化技术又称为 Lasso Regularization
3、 L1 正则化得到的解更加稀疏
4、 L2 正则化得到的解更加稀疏

117. Q: 在回归模型中，下列哪一项在权衡欠拟合（under-fitting）和过拟合（over-fitting）中影响最大（）？

1、多项式阶数
2、更新权重 w 时，使用的是矩阵求逆还是梯度下降
3、使用常数项
4、偏置bias

118. Q: 下面属于分类算法的是（）

1、决策树
2、异常检测法
3、 KNN算法
4、 SVM

119. Q: 下列属于无监督学习的是（）

1、 k-Means
2、 SVM
3、最大熵
4、决策树

120. Q: 下面关于ID3算法中说法错误的是（）

1、 ID3算法计算的是信息增益
2、信息增益指是划分可以带来纯度的提高，信息熵的下降。
3、 ID3计算公式是父节点的信息熵减去所有子节点的信息熵
4、 ID3算法是一个二叉树模型

121. Q: 下面关于信息增益描述正确的是（）

1、划分可以带来纯度的提高，信息熵的下降。
2、父节点的信息熵加上所有子节点的信息熵。
3、 ID3采用信息增益小的特征优先建立决策树的节点
4、信息增益和信息增益率成正比

122. Q: 以下不属于K-Means的优点是（）

1、原理比较简单，实现也是很容易，收敛速度快。
2、聚类效果较优。
3、算法的可解释度比较强。
4、不需要评估指标

123. Q: 我们基于什么来构建一颗决策树（）

1、基于纯度来构建
2、基于样本规模来构建
3、基于类别数量来构建
4、基于相似度来构建

124. Q: 下列不属于ID3算法的缺点的是（）

1、不适合处理连续数据
2、对缺失值的情况不做考虑
3、没有考虑过拟合的问题
4、采用迭代方法，得到的结果只是局部最优

125. Q: 以下不是决策树的构成元素（）

1、根节点
2、内部节点
3、叶子节点
4、果实

126. Q: 以下对熵的描述正确的是（）

1、变量的不确定性越大，熵也就越大
2、变量的不确定性越小，熵也就越大
3、变量的不确定性越大，熵也就越小
4、以上说法都不对

127. Q: 以下对信息熵的描述正确的是（）

1、信息熵越大，纯度越高
2、信息熵越大，纯度越低
3、信息熵越小，纯度越低
4、以上说法都不对

128. Q: 以下哪种不属于“不纯度”的指标

1、信息增益
2、信息增益率
3、基尼指数
4、恩格尔系数

129. Q: 以下哪个不是KNN的三要素（）

1、怎么选择K
2、怎么度量距离
3、怎么分类
4、怎么选择数据

130. Q: 以下哪个应用不是基于聚类算法

1、用户画像
2、语言翻译
3、广告推荐
4、新闻聚类

131. Q: 关于K-Means和KNN的描述不正确的是（）

1、 K-Means没有样本输出
2、 KNN基本不需要训练
3、 KNN是无监督学习
4、 K-Means常用距离是欧几里得距离

132. Q: OpenCV用于把图像写入文件的函数是：

1、 Imread
2、 read
3、 open
4、 put

133. Q: OpenCV的图像显示函数是：

1、 imshow
2、 show
3、 pull
4、 import

134. Q: 一监狱人脸识别准入系统用来识别待进入人员的身份，此系统一共包括识别4种不同的人员：狱警，小偷，送餐员，其他。下面最适合此种应用需求的学习方法是（）。

1、二分类问题
2、多分类问题
3、层次聚类问题
4、结构分析问题

135. Q: OpenCV用于卷积计算的是：

1、 filter2D()
2、 compution()
3、 Mat()
4、以上都不对

136. Q: Numpy中可用于表示无符号数的是：

1、 float
2、 int8
3、 uint16
4、 intp

137. Q: （）是一个经过深度学习训练的人脸识别模型

1、 DeepFace
2、 DeepLearning
3、 alphaGO
4、 DeepBlue

138. Q: 在初步处理之后，人脸识别算法通过深度卷积网络，将输入的人脸图像，转换成一个（）表示

1、浮点数
2、整数
3、向量
4、图像

139. Q: 一般在计算机视觉任务中所用的特征可以分为：传统特征与（）

1、深度特征
2、数学特征
3、语义特征
4、边缘特征

140. Q: OpenCV创建于哪一年？

1、 1999
2、 2000
3、 2001
4、 1998

141. Q: OpenCV用什么语言编写？

1、 C语言
2、 JAVA
3、 C++
4、 Ruby

142. Q: 在机器学习中，哪种算法通常用于推荐系统？

1、协同过滤
2、支持向量机
3、决策树
4、线性回归

143. Q: 深度学习框架TensorFlow是由哪家公司开发的？

1、谷歌
2、微软
3、亚马逊
4、 Facebook

144. Q: 在图像识别任务中，常用的模型是？

1、支持向量机
2、卷积神经网络
3、随机森林
4、逻辑回归

145. Q: 机器学习中的K-means算法主要用于解决什么问题？

1、分类问题
2、回归问题
3、聚类问题
4、密度估计问题

146. Q: 强化学习的核心概念之一“Q-learning”是由哪位学者提出的？

1、约翰·霍普菲尔德
2、约翰·哈桑尼
3、理查德·贝尔曼
4、安德鲁·瓦格纳

147. Q: 自然语言处理（NLP）中，Word2Vec模型主要用于什么？

1、文本分类
2、情感分析
3、词嵌入
4、句法分析

148. Q: 在机器学习中，哪个算法可以用于特征选择？

1、 k-最近邻(k-NN)
2、支持向量机(SVM)
3、随机森林
4、主成分分析(PCA)

149. Q: 下列哪个库是专注于统计建模和数据分析的？

1、 SciPy
2、 Pandas
3、 Scikit-learn
4、 NumPy

150. Q: 在机器学习模型中，交叉验证的主要目的是什么？

1、提高训练速度
2、减少过拟合
3、增加模型复杂性
4、优化测试数据集

151. Q: 以下哪个不是无监督学习算法？

1、 K-means
2、层次聚类
3、主成分分析(PCA)
4、支持向量机(SVM)

152. Q: 在机器学习中，L1正则化会导致什么结果？

1、模型复杂度增加
2、模型稀疏
3、模型参数符号改变
4、模型收敛速度加快

153. Q: 机器学习中的“梯度提升”通常用于解决什么类型的问题？

1、分类问题
2、回归问题
3、排序问题
4、以上皆非

154. Q: 在机器学习中，哪项技术通常用于解决过拟合问题？

1、增加训练数据集的大小
2、减少模型的正则化参数
3、使用更复杂的模型架构
4、应用及早停止（Early Stopping）策略

155. Q: Auto ML平台的主要优势是什么？

1、降低成本
2、提高精度
3、自动化模型训练和选择
4、加速开发时间

156. Q: 在模型部署中，通常使用哪种格式来保存训练好的机器学习模型？

1、 .txt
2、 .jpg
3、 .pkl
4、 .docx

157. Q: 哪个Auto ML平台是由Google开发的？

1、 AutoGrow
2、 Auto-sklearn
3、 Google Cloud AutoML
4、 TPOT

158. Q: 模型部署中的容器化通常使用哪个工具？

1、 Docker
2、 Jupyter
3、 PyCharm
4、 Spark

159. Q: 在Auto ML中，哪个环节是自动化的？

1、数据预处理
2、特征工程
3、模型选择
4、所有以上

160. Q: AWS提供的Auto ML服务叫什么？

1、 AWS Quicksight
2、 AWS Personalize
3、 Amazon Forecast
4、 AWS SageMaker

161. Q: 哪个框架常用于大规模机器学习模型的部署？

1、 Flask
2、 Django
3、 TensorFlow Serving
4、 PyTorch

162. Q: 以下哪个不是模型部署的考虑因素？

1、模型的可解释性
2、模型的运行速度
3、模型的大小
4、模型的颜色方案

163. Q: 微软提供哪个Auto ML平台？

1、 Azure Machine Learning
2、 Azure Databricks
3、 Azure SQL
4、 Azure Cosmos DB

164. Q: 模型部署时，如何确保模型的实时更新？

1、定期手动更新模型
2、设置模型自动重新训练机制
3、每月更换一次模型名称
4、使用静态模型不加更新

165. Q: 哪个平台不提供Auto ML功能？

1、 RapidMiner
2、 Tableau
3、 DataRobot
4、 H2O Driverless AI

166. Q: 在模型部署中，如何保证数据的安全性？

1、公开数据集
2、加密数据传输
3、使用公共Wi-Fi传输数据
4、直接邮件发送数据

167. Q: 哪个云服务提供商不提供Auto ML服务？

1、 IWatson Studio
2、 AlibaCloud
3、 CisCloud
4、 Google Cloud

168. Q: 在部署模型时，如何实现高可用性？

1、使用单点部署
2、使用负载均衡器
3、关闭所有日志记录
4、减少备份数量

169. Q: Auto ML平台中，哪个选项不是模型评估的常见指标？

1、精确度
2、召回率
3、色彩鲜明度
4、 F1分数

170. Q: 工业场景缺陷检测的主要目的是什么？

1、提高生产效率
2、保证产品质量
3、降低生产成本
4、提高员工技能

171. Q: 在工业场景中，哪种技术最常用于缺陷检测？

1、人工智能
2、机器学习
3、深度学习
4、图像处理

172. Q: 工业场景缺陷检测的精度主要取决于什么？

1、检测设备的性能
2、检测算法的准确性
3、检测人员的技能
4、检测环境的稳定性

173. Q: 在工业场景缺陷检测中，最常用的数据类型是什么？

1、文本数据
2、图像数据
3、音频数据
4、视频数据

174. Q: 工业场景缺陷检测的主要挑战是什么？

1、数据量过大
2、数据质量差
3、数据标注困难
4、数据隐私问题

175. Q: 在工业场景缺陷检测中，哪种方法可以有效地处理不平衡数据？

1、过采样
2、欠采样
3、 SMOTE
4、随机森林

176. Q: 工业场景缺陷检测的主要应用场景是什么？

1、医疗诊断
2、金融风控
3、智能制造
4、社交媒体分析

177. Q: 在工业场景缺陷检测中，哪种方法可以有效地处理高维数据？

1、 PCA
2、 LDA
3、 t-SNE
4、 AutoEncoder

178. Q: 工业场景缺陷检测的主要评价指标是什么？

1、准确率
2、召回率
3、 F1分数
4、 AUC值

179. Q: 在工业场景缺陷检测中，哪种方法可以有效地处理噪声数据？

1、中值滤波
2、均值滤波
3、高斯滤波
4、双边滤波

180. Q: 工业场景缺陷检测的主要难点是什么？

1、数据收集
2、数据处理
3、模型训练
4、模型部署

181. Q: 在工业场景缺陷检测中，哪种方法可以有效地处理复杂背景？

1、形态学操作
2、边缘检测
3、霍夫变换
4、 Canny算子

182. Q: 工业场景缺陷检测的主要应用领域是什么？

1、汽车制造
2、电子产品制造
3、食品加工
4、能源开采

183. Q: 在工业场景缺陷检测中，哪种方法可以有效地处理光照变化？

1、直方图均衡化
2、 Retinex算法
3、 SVM分类器
4、 KNN分类器

184. Q: 工业场景缺陷检测的主要发展趋势是什么？

1、自动化程度提高
2、算法复杂度降低
3、硬件成本降低
4、软件成本增加

多选

185. Q: 工业互联网的三要素是（）。

186. Q: 下面（）不是Vision Transformer（ViT）引入的新概念？。

187. Q: 人工智能在工业互联网中的应用（）。

188. Q: 人工智能对工业的帮助有（）。

189. Q: 人工智能可以参与的工业环节（）

190. Q: 人工智能在工业中的具体应用包含（）。

191. Q: 智能制造中的工业AI的三个特性（）。

192. Q: 机器学习/深度学习项目中有哪些所需的步骤？（ )

193. Q: 感知机模型可由公式y=f(wx+b)表示，下列说法正确的有（）。

1、输出层也被称为是感知机的功能层
2、 b表示输出层的偏置
3、 w表示输出层的偏置
4、 w表示输入层到输出层连接的权重
5、 b表示输入层到输出层连接的权重

194. Q: 卷积神经网络的层级结构包含以下（）。

195. Q: 激活函数包含以下（）。

196. Q: 工业视觉AI平台具有（）功能。

197. Q: 下列哪种方法可以用来减小过拟合？（）

198. Q: 损失函数用来评价模型的( )不一样的程度。

199. Q: 5G的高速度背后的关键技术包含以下四个（）。

200. Q: 国际电联定义5G三大应用场景（）。

1、增强型移动宽带（eMBB）
2、大规模机器类型通信（mMTC）
3、超可靠和低延时通信（uRLLC）
4、 VR/AR/MR
5、车联网

201. Q: 5G作为网络基础设施，具备（）三种能力，支撑工业互联网在其上构筑合适的行业应用。

202. Q: 依托5G（）的特性，可以不进车间通过移动终端来实现实时远程监测功能。

203. Q: 5G的（）特性使得通信调度及业务数据实时交互和集成其他视觉应用的通信成为了可能，因此为云端机器人的大规模密集部署和应用拓展带来了契机。

204. Q: 工业互联网中的应用层提供（）等功能

205. Q: 下面（）不是ViT的主要优势。

206. Q: 下面（）深度学习模型通常不适用于图像分类任务。

207. Q: 一阶段目标检测算法中典型的算法有（）。

208. Q: 通过工业视觉产品服务可以实现以下（）等功能。

1、产品外观细微瑕疵检测
2、电路、基板的缺陷检测
3、 3C电子模组视觉检测
4、车间工作绩效分析
5、硅片缺陷检测

209. Q: 工业AI平台视觉解决方案包含以下（）操作。

210. Q: 神经元大致可以分为（）。

211. Q: 学习卷积神经网络时遇到的名词有（）。

212. Q: 超可靠和低延迟通信所应用的领域有（）等。

213. Q: 工业互联网对我国经济发展的意义（）。

1、化解综合成本上升风险
2、推动产业高端化发展
3、推进创新创业
4、化解产业向外转移风险
5、提高就业率

214. Q: 深度学习模型包括（ )

215. Q: 语义分割的基本构造包括卷积模块、( )、注意力机制、多尺度机制等。

216. Q: 数据功能体系主要包含（）三个基本层次。

217. Q: 以AirPods耳机的焊点为例，缺陷包含（）。

218. Q: OCR中的特征问题有（）。

219. Q: HRNet保留了多个尺度的特征信息，每个尺度都会进行（）。

220. Q: 数据背后的高级分析是综合了（）和其他重要领域的专业知识。

221. Q: PaaS层提供（）等功能。

222. Q: 目标检测器的运算步骤是主干网络（）。

223. Q: 在计算机视觉中，RGB表示（）颜色空间。

224. Q: 在卷积神经网络下特征提取误差主要来自

1、领域大小造成的估值方差增大
2、领域大小造成的估值方差减少
3、卷积层参数误差造成估计均值偏移
4、卷积层数据过多造成估计均值偏移
5、算法设计漏洞

225. Q: 以下哪些是python语言的缺点

226. Q: 以下哪些是python语言的应用

227. Q: python的容器有哪些

228. Q: 下列哪些属于 AI 的常见应用领域? （）。

229. Q: 下列哪些选项不是用来创建python的自定义类（）。

230. Q: 以下不是监督学习算法的是（）

231. Q: 机器学习的通用步骤包括（）

232. Q: 以下哪些是常见的机器学习应用案例

233. Q: 以下哪些是机器学习的应用领域

234. Q: 以下哪些属于机器学习经典算法？

235. Q: 梯度下降法常运用在哪些算法中（）

1、线型回归
2、逻辑回归
3、神经网络
4、推荐算法

236. Q: 以下哪些是机器学习的学习工具（）

237. Q: 极大极小值算法主要应用场景是（）

1、零和游戏
2、特征提取
3、完全信息
4、回归分析

238. Q: 以下哪些应用是使用了自然语言处理

239. Q: 机器学习的流派有哪些

240. Q: scikit-learn把机器学习大致分为哪几类问题（）

1、分类问题
2、回归问题
3、聚类问题
4、降维问题

241. Q: 哪些是分类问题在实际中的应用（）

1、垃圾邮件识别
2、手写数字识别
3、人脸识别
4、语音识别答案

242. Q: 分类问题具体算法包括哪些（）

1、逻辑回归
2、朴素贝叶斯
3、决策树
4、 KNN最近邻算法

243. Q: 逻辑回归的优点是（）

1、实现简单，广泛的应用于工业问题上
2、分类时计算量非常小，速度很快，存储资源低
3、便利的观测样本概率分数
4、容易欠拟合，一般准确度不太高

244. Q: 假如你用logistic Regression算法去预测用户在网上的购买项目，然而，当你在新的用户集上验证你的假设时，你发现预测值有很大的偏差。并且你的假设在训练集上表现也很差，下面那些步骤你应该采纳，选择出正确的选项（）

1、尝试着减小正则项λ
2、尝试增加交叉特征
3、减小样本量
4、尝试更小的测试集或特征

245. Q: 下列方法中，可以用于特征降维的方法包括（）

246. Q: 下列哪些应用领域是深度学习技术目前主要关注的？

1、计算机视觉
2、自然语言处理
3、数据挖掘
4、游戏

247. Q: 在图像识别领域，哪些深度学习模型被广泛应用？

1、卷积神经网络（CNN）
2、循环神经网络（RNN）
3、生成对抗网络（GAN）
4、自编码器（Autoencoder）

248. Q: 在自然语言处理（NLP）中，以下哪些模型属于基于Transformer的模型？

1、 BERT
2、 GPT
3、 Seq2Seq
4、 Word2Vec

249. Q: 以下哪些算法可以用于推荐系统？

1、协同过滤
2、支持向量机（SVM）
3、决策树
4、线性回归

250. Q: 在强化学习中，哪些算法属于值函数优化算法？

1、 Q-learning
2、 SARSA
3、 Monte Carlo
4、 AlphaGo

251. Q: 以下哪些措施可以增强CNN模型的泛化能力？

1、对输入进行旋转
2、对输入进行平移
3、对输入进行缩放
4、增加训练轮数

252. Q: 在工业缺陷检测中，以下哪些技术可以用于表面缺陷的自动检测？

1、机器视觉
2、声发射技术
3、红外热像技术
4、电磁感应

253. Q: 下列哪些类型的传感器可以用于工业缺陷检测？

1、光学相机
2、激光扫描器
3、超声波探头
4、温度传感器

254. Q: 在利用图像处理进行缺陷检测时，哪些图像处理技术是常用的？

1、边缘检测
2、图像分割
3、形态学处理
4、图像增强

255. Q: 以下哪些算法可以用于图像中的缺陷检测？

1、支持向量机（SVM）
2、 K-近邻（KNN）
3、卷积神经网络（CNN）
4、 K-Means

256. Q: 在工业CT检测中，以下哪些因素会影响缺陷检测的效果？

1、射线源能量
2、扫描分辨率
3、重建算法
4、材料密度

257. Q: 对于金属材料，以下哪些方法可以用于检测内部缺陷？

1、超声波检测
2、射线检测
3、磁粉检测
4、渗透检测

258. Q: 在生产线上进行实时缺陷检测时，以下哪些设备和技术是必需的？

1、高速摄像机
2、自动化机械臂
3、实时数据处理系统
4、机器学习模型

259. Q: 以下哪些指标是评价工业缺陷检测系统性能的常见指标？

1、准确率
2、召回率
3、检测速度
4、系统稳定性

260. Q: 在进行结构件的缺陷检测时，以下哪些因素对检测结果有影响？

1、结构件的几何形状
2、材质特性
3、表面状态
4、环境温度

261. Q: 以下哪些措施可以改善缺陷检测系统的检测能力？

1、提高图像分辨率
2、优化光源设计
3、增加训练数据量
4、更新检测算法

262. Q: 在玻璃行业，以下哪些类型的缺陷可以通过机器视觉检测到？

1、气泡
2、夹杂
3、划伤
4、变形

263. Q: 在纺织材料检测中，以下哪些技术可以用于发现织物缺陷？

1、光学扫描
2、声波检测
3、电子纱线监控
4、遥感

264. Q: 在应用深度学习进行缺陷检测时，以下哪些网络结构常被使用？

1、 LeNet
2、 AlexNet
3、 VGGNet
4、 ResNet

265. Q: 在电路板（PCB）检测中，以下哪些缺陷类型是重要的检测对象？

1、焊点缺陷
2、线路断裂
3、元件缺失
4、表面裂纹

266. Q: 在汽车制造中，以下哪些缺陷检测方法可以应用于车身焊接质量检测？

1、视觉检测系统
2、 X光检测
3、超声波检测
4、表面检测

267. Q: 在复合材料的缺陷检测中，以下哪些技术可以用于识别分层或脱粘缺陷？

1、超声波扫描
2、激光剪切散斑干涉法
3、微波检测
4、热成像技术

268. Q: Auto ML平台可以自动化哪些步骤？

1、数据清洗
2、特征工程
3、模型训练
4、超参数调优

269. Q: 模型部署时需要考虑哪些因素？

1、可扩展性
2、高可用性
3、成本效益
4、美观设计

270. Q: 哪些云服务商提供Auto ML平台？

1、 Amazon Web Services (AWS)
2、 Microsoft Azure
3、 Google Cloud Platform (GCP)
4、 Oracle Cloud

271. Q: 哪些工具可以用于机器学习模型的部署？

1、 Docker
2、 Kubernates
3、 Jenkins
4、 Ansible

272. Q: Auto ML平台的优点包括哪些？

1、降低技术门槛
2、加快模型开发速度
3、提高模型性能
4、减少人力成本

273. Q: 在模型部署中，哪些措施可以提高系统的安全性？

1、使用HTTPS协议
2、数据加密存储
3、定期更新系统和软件
4、开放所有端口以方便访问

274. Q: 哪些策略可以用于模型的持续集成和持续部署（CI/CD）？

1、使用Jenkins进行自动化构建和测试
2、使用Git进行版本控制
3、手动部署模型到生产环境
4、使用Travis CI进行自动化测试

275. Q: 在选择Auto ML平台时，应考虑哪些因素？

1、平台的成熟度和稳定性
2、支持的算法数量和类型
3、平台的易用性
4、平台的地理位置

276. Q: Auto ML适用于哪些场景？

1、数据科学竞赛
2、商业分析项目
3、研究和开发（R&D）
4、 IT基础设施管理

277. Q: 在部署机器学习模型时，以下哪些操作是必要的？

1、配置API端点
2、设置数据收集机制
3、优化前端用户界面
4、安装必要的软件包和依赖项

278. Q: 人工智能的研究领域包括哪些方面？

1、机器学习
2、自然语言处理
3、计算机视觉
4、机器人技术

279. Q: 下列哪些算法属于监督学习算法？

1、线性回归
2、 K-均值聚类
3、决策树
4、支持向量机

280. Q: 深度学习框架有哪些？

1、 TensorFlow
2、 PyTorch
3、 Keras
4、 Scikit-learn

281. Q: 下列哪些技术属于人工智能的应用？

1、语音识别
2、图像识别
3、推荐系统
4、无人驾驶

282. Q: 强化学习的主要组成部分包括哪些？

1、状态
2、动作
3、奖励
4、策略

283. Q: 下列哪些方法可以用于处理过拟合问题？

1、增加数据集
2、减少模型复杂度
3、使用正则化
4、使用集成学习

284. Q: 人工智能在医疗领域的应用包括哪些？

1、疾病诊断
2、药物研发
3、患者管理
4、临床决策支持

285. Q: 自然语言处理的应用领域包括哪些？

1、机器翻译
2、情感分析
3、文本分类
4、语音合成

286. Q: 计算机视觉的任务包括哪些？

1、图像分类
2、目标检测
3、语义分割
4、姿态估计

287. Q: 下列哪些技术属于机器学习范畴？

1、随机森林
2、逻辑回归
3、梯度提升树
4、主成分分析

288. Q: 人工智能在金融领域的应用包括哪些？

1、风险评估
2、量化交易
3、智能客服
4、欺诈检测

289. Q: 以下哪些是常见的机器学习算法？

1、 K-近邻
2、朴素贝叶斯
3、逻辑回归
4、线性判别分析

判断

290. Q: 计算机视觉技术属于一种人工智能技术。

1、正确
2、错误

291. Q: 一个好的主干网络对于各个任务都会有很好的提升作用。

1、正确
2、错误

292. Q: 不同的损失函数会推动网络去学习不同的细节特征，造成的结果也不近相同。

1、正确
2、错误

293. Q: 5G网络目前使用的高频率无线电波，具备毫米级波长，称为毫米波。

1、正确
2、错误

294. Q: 目前机器视觉的应用主要包含图像识别、图像检测、视觉定位、物体测量等，但不包含物体分拣。

1、正确
2、错误

295. Q: 边缘层提供海量工业数据接入、转换、数据预处理和边缘分析应用等功能。

1、正确
2、错误

296. Q: VIT可以用来进行图片分类。

1、正确
2、错误

297. Q: 语义分割是一个无监督学习。

1、正确
2、错误

298. Q: 数据输入层要做的处理主要是对原始图像数据进行最终处理。

1、正确
2、错误

299. Q: 民用AI/通用AI只需亚少量的待标注的样本集，特征定义模糊。

1、正确
2、错误

300. Q: 机器学习是深度学习的子类。

1、正确
2、错误

301. Q: 语义分割在自动驾驶应用中很难发挥作用。

1、正确
2、错误

302. Q: 毫米波存在穿透能力弱的问题，碰到障碍物会导致信号削减。

1、正确
2、错误

303. Q: 工业互联网中数据背后的高级分析是综合了物理分析、预测性算法、自动化技术和其他重要领域的专业知识。

1、正确
2、错误

304. Q: 神经网络由大量的人工神经元联结进行计算，大多数情况下人工神经网络能在外界信息的基础上改变内部结构，是一种自适应系统。

1、正确
2、错误

305. Q: CNN可以用于手写体识别。

1、正确
2、错误

306. Q: AOI智能设备可以检测产品缺陷，还能知道产品的缺陷是“在哪里造成，如何造成”的。

1、正确
2、错误

307. Q: 远程医疗是指通过现代通信讯技术，以双向传送数据、语音、图像等信息为手段，最终实现不受空间限制的远距离医疗服务。能够有效促进医疗资源的共享下沉，提升偏远区域的医疗能力。

1、正确
2、错误

308. Q: 在人工作业的危险环境或人工难以满足要求的场合，可以使用机器视觉来提升生产柔性和自动化水平。

1、正确
2、错误

309. Q: GE联手美国多家行业巨头（IBM，思科，英特尔、AT&T等）组成了工业互联网联盟。在工业互联网联盟的共同推动下，“工业互联网”概念迅速扩散和流行开来。

1、正确
2、错误

310. Q: 我国工业互联网产业联盟在推动中国工业互联网顶层设计、技术研发、标准制定、产业实践、国际合作等多方面发挥作用，并且为政府决策、产业发展提供智力支持。

1、正确
2、错误

311. Q: 智能制造中的工业AI的基础算法包括宽度学习、深度学习、模糊学习、接力学习。

1、正确
2、错误

312. Q: 损失函数越好，通常模型的性能越好。不同的模型用的损失函数一般也不一样。

1、正确
2、错误

313. Q: 目标检测可同时确定物体类别和位置。

1、正确
2、错误

314. Q: 即使语义分割算法完全不了解每个像素区域的含义，也可以完成语义分割任务。

1、正确
2、错误

315. Q: 基于语义分割的技术，工厂流水线可以快速的判断但不能定位到其生产产品的质量问题。

1、正确
2、错误

316. Q: 如果5G使用毫米波，就不需要建立很多基站去保证覆盖范围。

1、正确
2、错误

317. Q: 目标检测中的IoU(Intersection over Union)越小越好。

1、正确
2、错误

318. Q: 目前机器视觉的应用包含图像识别、图像检测、视觉定位，不包含物体测量、物体分拣等。

1、正确
2、错误

319. Q: 工业环境下，高清视频主要应用于智慧园区的安防、人员管理、超高清检测等场景，而超高清视频占用的存储空间很小，不会面临数据存储和传输压力大的问题。

1、正确
2、错误

320. Q: 在OCR识别应用中，Attention方案效果显著差于CTC方案。

1、正确
2、错误

321. Q: 语义分割技术不能快速的判断工厂流水线中生产产品的质量问题。

1、正确
2、错误

322. Q: 图像内容补全（Inpainting）技术，可用于处理老旧照片破碎缺损和消除照片中的乱入 (Photobomb)。

1、正确
2、错误

323. Q: 基于语义分割的技术，工厂流水线可以快速的判断和定位到其生产产品的质量问题。

1、正确
2、错误

324. Q: 从任务架构上来说，分割可以使用任何一个分类主干网络进行特征提取。

1、正确
2、错误

325. Q: 空洞卷积可以在扩大图片的感受视野的同时保证较大图像尺寸，不需要通过池化等结构来扩大感受视野。

1、正确
2、错误

326. Q: 模型的训练过程中可以通过判断损失loss值来判断训练情况。

1、正确
2、错误

327. Q: 语义分割基础构造不包括注意力机制

1、正确
2、错误

328. Q: CNN特征抽取的能力高于Transformer。

1、正确
2、错误

329. Q: Transformer特征抽取的能力高于CNN。

1、正确
2、错误

330. Q: 假如现在有个神经网络，激活函数是非线性激活函数，若使用线性激活函数代替非线性激活函数，对该神经网络的表现不会有影响。

1、正确
2、错误

331. Q: 生物的进化是以生存为目的的，所以生物智能的终极目标是精准计算。

1、正确
2、错误

332. Q: 德国西门子打造高度数字化的“智能工厂”，工厂内每百万件产品中，次品约为15件，可靠性超99.99%，但是不可以追溯。

1、正确
2、错误

333. Q: 模型的训练时需要调整部分参熟来优化模型的训练效果。

1、正确
2、错误

334. Q: 数据不是影响模型的效果的因素。

1、正确
2、错误

335. Q: 模型无法实现离线部署，只能提供在线服务。

1、正确
2、错误

336. Q: 卷积神经网络具有表征学习能力，是深度学习的代表算法之一。

1、正确
2、错误

337. Q: 卷积神经网络的隐含层包含卷积层、池化层和隐层3类常见构筑。

1、正确
2、错误

338. Q: 卷积层的功能是对输入数据进行特征提取，其内部包含多个卷积核。

1、正确
2、错误

339. Q: 池化层包含预设定的池化函数，其功能是将特征图中单个点的结果替换为其相邻区域的特征图统计量。

1、正确
2、错误

340. Q: 卷积神经网络在监督学习中使用BP框架进行学习。

1、正确
2、错误

341. Q: 循环神经网络是一类以序列数据为输入，在序列的演进方向进行递归且所有节点按链式连接的递归神经网络

1、正确
2、错误

342. Q: 深度学习通常有1层至3层的隐层节点

1、正确
2、错误

343. Q: Python 属于典型的解释型语言，所以运行 Python 程序需要解释器的支持

1、正确
2、错误

344. Q: 和其它编程语言相比，Python 语言的实现代码往往是最长的

1、正确
2、错误

345. Q: Python 标准库和第三库众多，功能强大，既可以开发小工具，也可以开发企业级应用

1、正确
2、错误

346. Q: Python 是开源的，所有用户都可以看到源代码。

1、正确
2、错误

347. Q: Python 在人工智能领域内的机器学习、神经网络、深度学习等方面，都是主流的编程语言。

1、正确
2、错误

348. Q: 编译型语言一般是不能跨平台的，也就是不能在不同的操作系统之间随意切换。

1、正确
2、错误

349. Q: 解释型语言不用专门的解释器即可以翻译。

1、正确
2、错误

350. Q: 训练CNN时，可以对输入进行旋转、平移、缩放等预处理提高模型泛化能力。这么说是对，还是不对？

1、正确
2、错误

351. Q: 深度学习属于机器学习的子类。

1、正确
2、错误

352. Q: 当激活函数是单调时，单层神经网络的误差函数是凹的

1、正确
2、错误

353. Q: 信息熵是用来评估当前训练得到的概率分布与真实分布的差异情况

1、正确
2、错误

354. Q: 在链式法则中，学习率越大越好

1、正确
2、错误

355. Q: 线性激活层对于深层神经网络没有作用

1、正确
2、错误

356. Q: 人工智能属于机器学习的子类

1、正确
2、错误

357. Q: 池化层是卷积神经网络的核心。

1、正确
2、错误

358. Q: 深度神经网络属于卷积神经网络

1、正确
2、错误

359. Q: 通过多层卷积层堆叠，各层提取到特征逐渐由文字、车轮、人脸等高层级特征过渡到边缘、纹理、方向等低层级特征。

1、正确
2、错误

360. Q: 图像识别就是让计算机有和人类一样对图像理解的能力，包括图像表示的内容，图像中物体之间的关系等要素。

1、正确
2、错误

361. Q: 机器通过神经网络学习到物体的轮廓，颜色，纹理等特征，并通过计算将这些特征记录下来，就可以得到一个分类模型了，最终我们既可以通过这个模型进行图像识别了。

1、正确
2、错误

362. Q: 在观察模型训练效果时，观察loss值比观察准确率更直观

1、正确
2、错误

363. Q: RNN是一种时间上进行线性递归的神经网络

1、正确
2、错误
3、 nan

364. Q: DeepFace是首个经过深度学习训练的人脸识别模型。

1、正确
2、错误

365. Q: 人脸识别的关键点，通常是眼角的位置、鼻子的位置、脸的轮廓点

1、正确
2、错误

366. Q: 1964年，图灵首次尝试以计算形式进行“面部识别”

1、正确
2、错误

367. Q: numpy比Python自身的嵌套列表（nested list structure)结构要高效的多

1、正确
2、错误

368. Q: 人脸对齐就是据关键点，使用仿射变换将人脸统一“摆正”，尽量去消除姿势不同带来的误差。

1、正确
2、错误

369. Q: Opencv轻量级而且高效——由一系列 C 函数和少量 C++ 类构成，，实现了图像处理和计算机视觉方面的很多通用算法。

1、正确
2、错误

370. Q: 计算机视觉四大基本任务：分类、定位、检测、自动化

1、正确
2、错误

371. Q: 人脸识别技术的难点在于语义鸿沟(semantic gap) ：人类可以轻松地从图像中识别出目标，而计算机看到的图像只是一组0到255之间的整数。

1、正确
2、错误

372. Q: 人脸识别的第一步是得到人脸位置的bounding box

1、正确
2、错误

373. Q: 人脸识别算法的第一步的bounding box提取用的是基于深度学习的方法

1、正确
2、错误

374. Q: 矩形特征的特征值计算，只与此特征矩形的端点的积分图有关

1、正确
2、错误

375. Q: 5G网络的延迟比4G网络低。

1、正确
2、错误

376. Q: 工业互联网可以不依赖于互联网独立运行。

1、正确
2、错误

377. Q: 智能制造完全不需要人工干预。

1、正确
2、错误

378. Q: AI可以完全替代人类的决策能力。

1、正确
2、错误

379. Q: 5G网络可以支持更多的设备连接，相比于4G网络有更高的连接密度。

1、正确
2、错误

380. Q: 工业互联网的应用仅限于制造业。

1、正确
2、错误

381. Q: 智能制造只能应用于大规模生产，不能用于定制化生产。

1、正确
2、错误

382. Q: AI应用在医疗领域，可以完全替代医生的诊断。

1、正确
2、错误

383. Q: 5G网络的部署成本比4G网络低。

1、正确
2、错误

384. Q: 人工智能可以完全替代人类的创造力和直觉。

1、正确
2、错误

385. Q: AutoML平台可以自动调优模型参数，无需人工干预。

1、正确
2、错误

386. Q: 在使用AutoML平台时，数据的预处理和清洗是不必要的。

1、正确
2、错误

387. Q: AutoML平台仅适用于初学者，专业数据科学家无法从中获得益处。

1、正确
2、错误

388. Q: 所有AutoML平台都能提供端到端的模型部署解决方案。

1、正确
2、错误

389. Q: AutoML平台无法支持自定义模型和算法的开发。

1、正确
2、错误

390. Q: 模型在AutoML平台上的表现可以直接等同于在实际生产环境中的表现。

1、正确
2、错误

391. Q: AutoML平台通常不需要用户有任何编程知识。

1、正确
2、错误

392. Q: AutoML平台能够实时更新模型以适应新的数据趋势。

1、正确
2、错误

393. Q: 在AutoML平台上开发的模型只能用于解决分类问题。

1、正确
2、错误

394. Q: 机器视觉系统通常用于检测工业产品的尺寸和形状是否符合标准。

1、正确
2、错误

395. Q: 声发射技术不能用于检测工业金属结构的微小裂纹。

1、正确
2、错误

396. Q: 红外热像技术可以用于检测电路板上的过热部件。

1、正确
2、错误

397. Q: 电磁感应技术主要用于检测金属材料的表面缺陷。

1、正确
2、错误

398. Q: X射线检测通常不适用于检测材料内部的空洞或夹杂物。

1、正确
2、错误

399. Q: 自动化机械臂在缺陷检测中的主要作用是提供高精度的运动控制。

1、正确
2、错误

400. Q: 实时数据处理系统对于生产线上的缺陷检测并不重要。

1、正确
2、错误

401. Q: 机器学习模型的更新不是提高缺陷检测系统性能的常见方法。

1、正确
2、错误

402. Q: 结构件的材质特性不会影响缺陷检测结果。

1、正确
2、错误

403. Q: 环境温度对缺陷检测系统的性能没有影响。

1、正确
2、错误

404. Q: 图像分辨率的提高不会增加缺陷检测的准确性。

1、正确
2、错误

405. Q: 优化光源设计对于提高机器视觉系统的检测能力是无效的。

1、正确
2、错误

406. Q: 深度学习网络结构ResNet不适用于缺陷检测任务。

1、正确
2、错误

407. Q: 焊点缺陷不是电路板（PCB）检测中的重要检测对象。

1、正确
2、错误

408. Q: 磁粉检测可以用于发现金属材料内部的裂纹。

1、正确
2、错误

409. Q: 生成式大模型可以用于自动编写新闻稿件。

1、正确
2、错误

410. Q: 所有类型的数据都适合用来训练生成式大模型。

1、正确
2、错误

411. Q: 生成式大模型在训练时不需要大量的计算资源。

1、正确
2、错误

412. Q: 生成式大模型仅适用于文本数据生成，不能处理图像数据。

1、正确
2、错误

413. Q: 在实际应用中，生成式大模型不会遇到伦理和偏见问题。

1、正确
2、错误

414. Q: 生成式大模型的输出完全可以替代人类的创作。

1、正确
2、错误

415. Q: 生成式大模型无法通过细小的提示来生成相关内容。

1、正确
2、错误

416. Q: 在训练生成式大模型时，数据预处理不是一个关键步骤。

1、正确
2、错误

417. Q: 生成式大模型在医疗领域没有应用前景。

1、正确
2、错误

418. Q: 使用生成式大模型时，不需要担心数据隐私问题。

1、正确
2、错误

419. Q: 生成式大模型无法用于增强现有的内容推荐系统。

1、正确
2、错误

420. Q: 任何拥有足够数据的人都能够训练出有效的生成式大模型。

1、正确
2、错误

421. Q: 生成式大模型的解释性很强，可以轻易解释其内部工作原理。

1、正确
2、错误

422. Q: 对抗性网络是生成式大模型的一种，经常被用于生成逼真的图像。

1、正确
2、错误

423. Q: 生成式大模型在艺术创作领域没有任何应用。

1、正确
2、错误

424. Q: 所有的生成式大模型都能从少量样本中学习并产生高质量的输出。

1、正确
2、错误

425. Q: 生成式大模型只能用于商业应用，不适合教育或研究。

1、正确
2、错误

426. Q: 生成式大模型可以用于自动化编程，生成代码片段。

1、正确
2、错误

427. Q: 生成式大模型无法用于自动生成法律文件。

1、正确
2、错误

428. Q: 在训练生成式大模型时，模型一旦开始训练就不需要再进行干预。

1、正确
2、错误

429. Q: 生成式大模型在多语言环境下表现不佳。

1、正确
2、错误

430. Q: 生成式大模型可以完全取代传统的程序开发。

1、正确
2、错误

431. Q: 生成式大模型的评估完全基于其生成内容的质量。

1、正确
2、错误