第17章 编程应用基础-开发实战
- 1第1章 人工智能的发展与前沿趋势
- 2第2章 政策法规与职业标准
- 3第3章 伦理约束与版权边界
- 4第4章 岗位全面解析与算法基础
- 5第5章 人工智能核心技术-自然语言处理
- 6第6章 人工智能核心技术-视觉处理
- 7第7章 人工智能核心技术-机器学习到深度学习
- 8第8章 系统设计及工程实践能力培养
- 9第9章 人工智能应用场景
- 10第10章 工具学习与学习资源
- 11第11章 本地部署方法教学
- 12第12章 行业应用案例-教育行业
- 13第13章 行业应用案例-医学行业
- 14第14章 行业应用案例-金融行业
- 15第15章 编程应用基础-Python
- 16第16章 编程应用基础-开发实战
- 17第17章 编程应用基础-开发实战本文
- 18第18章 办公应用-1
- 19第19章 办公应用-2
- 20第20章 AI变现-1
- 21第21章 AI变现-2
人工智能第十七章 课程练习题(含答案解析)
一、单选题
1. YOLO11 模型是在哪一年发布的?
- A. 2015 年
- B. 2018 年
- C. 2020 年
- D. 2024 年
答案: D
解析: YOLO 模型从 2015 年诞生,后续不断迭代发展到 2024 年发布 YOLO11。
2. YOLO11 在目标检测中的主要优势是什么?
- A. 模型体积最小
- B. 推理速度快、精度高、小物体检测能力强
- C. 训练数据需求最少
- D. 仅适用于自然语言处理
答案: B
解析: YOLO11 推理速度很快,平均精度在数据集中显著提高,对小物体检测能力也非常强,且具备良好的泛化能力。
3. 在自动驾驶领域,YOLO11 主要用于什么?
- A. 语音识别
- B. 路径规划算法
- C. 实时感知环境,检测车辆、行人和交通标志
- D. 燃料消耗优化
答案: C
解析: YOLO11 在自动驾驶领域用于实时感知周围环境,检测车辆、行人和交通标志等目标物体。
4. 课程中搭建 YOLO11 环境使用的是什么工具?
- A. Docker
- B. Anaconda
- C. VirtualBox
- D. VMware
答案: B
解析: 课程中使用 Anaconda 搭建 PyTorch 环境,创建名为 yolo11 的 conda 环境。
5. 课程中创建的 Python 环境使用的是哪个版本?
- A. Python 2.7
- B. Python 3.8
- C. Python 3.10
- D. Python 3.11
答案: C
解析: 课程中搭建的是 Python 3.10 的 PyTorch 环境。
6. urllib 库的主要功能是什么?
- A. 图像处理
- B. 从网络上下载文件
- C. 数学计算
- D. 深度学习模型训练
答案: B
解析: urllib 是标准模块,用于从网络上下载文件,如通过 URL 下载图片到本地。
7. OpenCV(CV2)库广泛用于哪个领域?
- A. 自然语言处理
- B. 计算机视觉和图像处理
- C. 数据库管理
- D. 网络通信
答案: B
解析: CV2(OpenCV)是计算机视觉和机器学习常用的库,广泛用于图像处理、视频处理、特征检测和图像分割等。
8. Ultralytics(YOLO)库主要用于什么?
- A. 数据可视化
- B. 目标检测模型
- C. 网页开发
- D. 音频处理
答案: B
解析: Ultralytics 是 YOLO 的检测模型库,用于目标检测,实时检测,广泛用在视觉系统中包括监控抓取人像等。
9. NumPy 库的主要用途是什么?
- A. 网页爬虫
- B. 科学计算和多维数组处理
- C. 图形界面开发
- D. 数据库操作
答案: B
解析: NumPy 用于科学计算,提供多维数组对象和大量操作数组的工具,主要用于高等数学方面的计算。
10. 在人物分割程序中,检测到的人物区域被填充什么颜色?
- A. 红色
- B. 绿色
- C. 白色
- D. 蓝色
答案: C
解析: 程序将检测到的人物区域填充为白色,其他区域为黑色,实现图像分割效果。
11. 背景虚化处理的原理是什么?
- A. 对整张图片进行模糊
- B. 保持人物清晰,仅对背景区域进行高斯模糊
- C. 改变图片颜色
- D. 缩小图片尺寸
答案: B
解析: 背景虚化通过分割技术将人物和背景分离,人物部分保持不变,背景部分进行高斯模糊处理,突出人物清晰度。
12. YOLO11 在医疗影像分析中的作用是什么?
- A. 替代医生诊断
- B. 辅助医生检测 X 光片、CT 扫描中的病变组织和肿瘤
- C. 管理医院信息系统
- D. 开发新药
答案: B
解析: YOLO11 在医疗影像分析中辅助医生检测 X 光片、CT 扫描图像中的病变组织、肿瘤等异常情况。
13. 课程中预测函数首先对图像进行什么操作?
- A. 压缩图像
- B. 将图像放入空列表用于分割
- C. 旋转图像
- D. 转换为灰度图
答案: B
解析: 预测函数先将预测函数模型化,放入一个空列表用于分割图像,然后逐个区域检测。
14. YOLO11 的工业生产应用包括什么?
- A. 产品设计
- B. 检测生产现场的产品缺陷
- C. 员工管理
- D. 供应链优化
答案: B
解析: 在工业生产中,YOLO11 能够检测生产现场的产品缺陷,用于质量控制。
15. 在背景虚化程序中,分割线以外的人物部分如何处理?
- A. 删除
- B. 保持不变
- C. 变为黑白
- D. 放大
答案: B
解析: 分割线以内的人物部分保持不变,分割线以外的环境部分进行虚化(高斯模糊)
处理。
16. 课程中使用的 YOLO 模型从哪里获取?
- A. 自己训练
- B. 官方预训练好的模型
- C. 第三方修改版
- D. 从教材附带获取
答案: B
解析: 课程中使用的 YOLO 模型是官方预处理训练好的模型,从官方网站下载。
17. 程序运行后会生成几个图片文件?
- A. 1 个
- B. 2 个
- C. 3 个
- D. 4 个
答案: B
解析: 程序运行后会产生两个图片文件:原始图片和处理后的图片。
18. YOLO11 基于哪两代发展而来?
- A. YOLOv5 和 YOLOv7
- B. YOLOv8 和 YOLOv10
- C. YOLOv3 和 YOLOv5
- D. YOLOv7 和 YOLOv9
答案: B
解析: YOLO11 基于第 8 代和第 10 代发展起来,YOLO11 主要是基于 YOLOv8 这一代 Ultralytics 经典模型发展而来,在其基础上完成了效率与精度的升级优化。结合 YOLO 系列的完整迭代脉络,它也承接了 YOLOv10 的部分技术演进思路
19. 在农业领域,YOLO11 可以通过什么设备获取数据?
- A. 手机
- B. 遥感卫星和无人机
- C. 显微镜
- D. 温度计
答案: B
解析: 在农业领域,遥感卫星和无人机可以快速获取大面积的土地数据,结合 YOLO11 进行农作物分析。
20. 图像分割技术的核心是什么?
- A. 改变图像大小
- B. 将图像中的不同区域/目标进行分离和标记
- C. 提高图像分辨率
- D. 压缩图像文件
答案: B
解析: 图像分割技术通过检测识别图像中的目标区域,将其与背景分离并用颜色标记,实现区域分割。
二、多选题
1. YOLO11 的应用领域包括哪些?
- A. 自动驾驶
- B. 工业生产缺陷检测
- C. 医疗影像分析
- D. 安全监控
答案: ABCD
解析: YOLO11 应用领域广泛,包括自动驾驶、工业生产、医疗影像分析、安全监控、农业、航空、航天等多个领域。
2. 课程中搭建 YOLO11 环境需要安装哪些组件?
- A. Anaconda
- B. PyTorch
- C. YOLO Ultralytics
- D. TensorFlow
答案: ABC
解析: 环境搭建需要 Anaconda、PyTorch 和 YOLO Ultralytics,不需要 TensorFlow。
3. 图像处理程序中导入了哪些 Python 库?
- A. urllib
- B. CV2(OpenCV)
- C. Ultralytics
- D. NumPy
答案: ABCD
解析: 程序导入了 urllib(下载文件)、CV2(图像处理)、Ultralytics(目标检测)和 NumPy(科学计算)四个库。
4. YOLO11 相比前代的优势有哪些?
- A. 推理速度更快
- B. 平均精度显著提高
- C. 小物体检测能力更强
- D. 良好的泛化能力
答案: ABCD
解析: YOLO11 在推理速度、平均精度、小物体检测能力和泛化能力方面都有显著优势。
5. 课程中演示的 YOLO11 实验项目包括哪些?
- A. 人物分割(图像分割)
- B. 背景虚化(高斯模糊)
- C. 语音识别
- D. 文本生成
答案: AB
解析: 课程演示了两个实验项目:人物分割(图像分割)和背景虚化(高斯模糊创建人像效果)。
6. OpenCV(CV2)库包含哪些功能?
- A. 图像处理
- B. 视频处理
- C. 特征检测
- D. 图像分割
答案: ABCD
解析: OpenCV 包括图像处理、视频处理、特征检测、图像分割和机器学习等多种功能。
7. 以下哪些是 Ultralytics 的应用场景?
- A. 监控中抓取人像
- B. 车辆行驶中抓取移动物体
- C. 分割
- D. 移动追踪
答案: ABCD
解析: Ultralytics 广泛用在视觉系统中,包括监控抓取人像、车辆抓取移动物体、分割和移动追踪等。
8. 背景虚化程序的处理流程包括哪些步骤?
- A. 识别并分割人物
- B. 保持人物区域不变
- C. 对背景区域进行高斯模糊
- D. 将人物区域删除
答案: ABC
解析: 背景虚化流程:识别分割人物→保持人物不变→对背景进行高斯模糊处理,不删除人物区域。
9. YOLO 模型从 1.0 到 11 经历了哪些版本的优化?
- A. 2.0 优化了 1.0 的不足
- B. 3.0 提升了检测精度与速度平衡
- C. 第 4 代到第 8 代各有突破
- D. 第 11 代基于第 9 代和第 10 代发展
答案: ABCD
解析: YOLO 各版本发展:2.0 优化 1.0 不足,3.0 提升精度与速度平衡,4-8 代各有突破,11 代基于 9 代和 10 代发展。
10. 预测函数中对检测到的人物类型的处理包括哪些步骤?
- A. 将类型转化为整数
- B. 检测类型是否对应人
- C. 转换为整数格式
- D. 用颜色填充分割区域
答案: ABCD
解析: 预测函数将检测类型转化为整数,判断是否对应人,转换为整数格式,用颜色填充分割区域。
三、简答题
1. 简述 YOLO11 模型的发展历程及其在目标检测中的核心优势。
答案: YOLO 模型 2015 年诞生,经历了 1.0 到 11 的迭代。2.0 优化 1.0 不足,3.0 提升检测精度与速度平衡,4-8 代各有突破。YOLO11 基于第 9 代和第 10 代发展,融合优化架构、强化特征抽取技术和精确训练策略。核心优势包括:推理速度快、平均精度显著提高、小物体检测能力强、良好的泛化能力。
解析: 需要掌握 YOLO 的版本演进和 YOLO11 的核心技术特点。
2. 描述课程中人物分割程序的完整处理流程。
答案: 1) 定义预测函数:加载模型,将图像放入空列表用于分割;2) 逐区域检测,将类型转化为整数;3) 判断检测类型是否对应人(person),若是则转换为整数格式;4)
创建模板,用颜色填充分割区域;5) 从网络下载图片到本地;6) 读取图片、加载模型、调用处理函数分割;7) 与原始图像结合进行可视化并输出。处理后会生成原始图片和分割后图片两个文件。
解析: 需要理解从环境搭建到图像分割的完整编程流程。
支持与分享
如果这篇文章对你有帮助,欢迎分享给更多人或打赏支持!












