视频加载失败

第17章 编程应用基础-开发实战

2749 字
14 分钟
第17章 编程应用基础-开发实战

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!

打赏
第17章 编程应用基础-开发实战
https://gaodaxiu-blog.netlify.app/posts/guide/17编程应用基础-开发实战/
作者
MuZhao
发布于
2026-10-13
许可协议
CC BY-NC-SA 4.0
Profile Image of the Author
MuZhao
Hello, I'm GaoDaXiu.
公告
欢迎来到我的博客!
分类
标签
最新动态
站点统计
文章
124
分类
25
标签
147
总字数
180,592
运行时长
0 天
最后活动
0 天前
站点信息
构建平台
Netlify CI
博客版本
Firefly v6.16.8
文章许可
CC BY-NC-SA 4.0
文章目录