機器視覺與邊緣計算應用_復旦大學中國大學mooc課后章節答案期末考試題庫2023年關于實驗中紅綠燈（LED）的控制原理，描述錯誤的是哪個？

參考答案:

樹莓派上運行OpenVINO實現車輛的檢測與識別

有關BP網絡的說法，哪個是正確的？

參考答案:

交叉熵也可以作為分類預測問題的損失函數

關于神經網絡的相關概念，哪個說法是正確的？

參考答案:

隨機梯度下降（SGD）每次更新只隨機取一個樣本，按照固定學習率計算梯度，所以速度較快

下面關于SSD算法的描述中，正確的說法是哪個？

參考答案:

SSD采用了Anchor機制使用全圖各個位置多尺度區域特征進行回歸

1.下面關于神經元感知器的描述中，錯誤的說法是哪個？

參考答案:

神經元感知器接收的n個輸入對應n個偏置值

下面關于OpenVINO支持硬件的說法中，錯誤的說法是哪個？

參考答案:

在VPU硬件下，不支持macOS操作系統

下面關于模型優化結果的說法中，正確的說法是哪個？

參考答案:

模型優化后的mapping文件定義了模型轉化前后各層的對應關系

以下有關OpenVINO模型優化說法錯誤的是哪些？

參考答案:

預訓練的模型可以不經過模型優化器直接由推理引擎高效執行_模型優化器會修改預訓練模型的結構、權重和偏置

興趣區域（ROI）池化的作用是哪一個？

參考答案:

把不同大小的特征圖轉化為固定大小的向量

關于模型參數（權重值）的描述，正確的說法是哪些？

參考答案:

每一次Epoch都會對之前的參數進行調整，迭代次數越多，損失函數一般越小_在訓練神經網絡過程中，參數不斷調整，其調整的依據是基于損失函數不斷減少_訓練好的神經網絡模型存儲于一定結構的神經元之間的權重和神經元的偏置中

一個含有2個隱層的BP神經網絡，神經元個數都為20，輸入和輸出節點分別有8和5個節點，這個網絡的權重和偏置數分別是多少？

參考答案:

660，45

減少神經網絡過擬合的說法，以下哪些是錯誤的？

參考答案:

通過正則化可以減少網絡參數的個數，一定程度可能增加過擬合

有關神經網絡參數初始化的說法錯誤的是哪個？

參考答案:

權重和偏置都可以取全零初始化

有關BP神經網絡的說法，錯誤是哪個？

參考答案:

訓練時新樣本的加入對已經學習的樣本沒影響

有關神經網絡訓練過程的說法，正確的是？

參考答案:

使用增加訓練次數的方法不一定可以減少代價函數的取值_對神經網絡訓練的優化需要綜合考慮激活函數、網絡結構、權重更新方法等多種因素

在AI產品落地前，必須經過本地測試來確保實際推理性能滿足理論設置的推理性能要求。

參考答案:

正確

深度學習量化加速的主要方法是將神經網絡中的浮點數參數和激活值轉換為低精度的整數或定點數，從而減少計算和存儲的復雜度。

參考答案:

正確

一個計算機視覺應用中允許使用兩個或者更多個模型。

參考答案:

正確

在視頻每幀圖像處理流程中，在解碼部分進行圖像的縮放以及重定義大小操作。

參考答案:

錯誤

OpenVINO支持下面哪些操作系統？

參考答案:

Linux_Windows_macOS

下面對于OpenVINO工具包的概述正確的是？

參考答案:

在邊緣啟用基于CNN的深度學習推理。_支持跨英特爾?CPU，英特爾?集成顯卡，英特爾?FPGA，英特爾?Movidius?神經計算棒，英特爾?神經計算棒2和采用英特爾?Movidius?VPU的英特爾?視覺加速器設計的異構執行。_針對計算機視覺標準的優化調用，包括OpenCV*，OpenCL?和OpenVX*。_通過易于使用的計算機視覺功能庫和預優化的內核，加快產品上市速度。

下面模型訓練的一些常用技巧中，哪些說法是錯誤的？

參考答案:

如果訓練樣本量較大，可選用隨機梯度下降（SGD），它考慮歷史梯度信息，更容易跳出局部極小值點_用無監督數據作分層預訓練（Layer-wisePre-train）有助于解決梯度飽和問題

以下哪些目標檢測算法使用了anchor機制？

參考答案:

FasterRCNN_YOLOv2

邊緣智能的應用場景包括以下哪些？

參考答案:

其他項都包括

OpenVINO推理機支持哪些硬件平臺？

參考答案:

支持IntelCPU、GPU和FPGA

邊緣智能的主要目的是什么？

參考答案:

提高數據隱私和安全性

在使用IntelOpenVINO進行推理時，以下哪個工具可用于優化模型的推理速度和準確性？

參考答案:

InferenceEngine

在使用IntelOpenVINO進行推理時，以下哪個因素對推理速度有重要影響？

參考答案:

硬件平臺的性能

以下哪個不是IntelOpenVINO支持的深度學習框架？

參考答案:

Keras

IntelOpenVINO推理機的主要目的是？

參考答案:

在優化的模型上對輸入數據執行實時的推理

下面有關神經網絡計算棒的說法錯誤的是？

參考答案:

神經網絡計算棒支持的操作算子比CPU要多，大部分的模型是足夠勝任的。

下面對于OpenVINO的介紹錯誤的是？

參考答案:

OpenVINO和TensorRT都是開源的。

下面有關深度學習部署套件DLDT的說法錯誤的是？

參考答案:

模型優化器不能進行Dropout操作和內存方面的優化。

下面關于OpenVINO的說法錯誤的是？

參考答案:

OpenVINO并不包含圖片處理工具包OpenCV，視頻處理工具包MediaSDK，需要另行安裝。

OpenVINO工具套件提供了許多Demo和示例供開發者進行初步學習，這些示例使用的開發語言有？

參考答案:

C++和Python

關于深度學習模型訓練，以下哪個說法是錯誤的？

參考答案:

網中網（NIN）結構用全連接的多層感知機去代替傳統的卷積，提升了模型的計算性能，但計算量顯著增加

下面關于CNN的描述中，錯誤的說法是哪個？

參考答案:

卷積是指對圖像的窗口數據和濾波矩陣做內積的操作，在訓練過程中濾波矩陣的大小和值不變

對于YOLOv1算法，網絡的輸出維度是多少（假設每張圖劃分為7*7網格，每個網格預測2個邊框，識別的物體類別有30個）？

參考答案:

7*7*40

下面有關批歸一化BN（batchnormalization）的說法，錯誤的是哪個？

參考答案:

BN一般位于隱層神經元的激活函數輸出之后

面關于FasterRCNN算法的描述中，正確的說法是哪個？

參考答案:

FasterRCNN使用一個卷積實現分類和位置微調

下面關于YOLO算法的描述中，正確的說法是哪個？

參考答案:

YOLO采用網格化圖像，每個網格都預測類別及其概率

下面關于目標檢測RCNN算法的描述中，錯誤的說法是哪個？

參考答案:

RCNN采用SVM對候選框進行位置預測

下面關于目標檢測的基本概念描述中，正確的說法是哪個？

參考答案:

IoU交并比主要是驗證了目標檢測的準確度

下面關于目標檢測的說法中，錯誤的說法是哪個？

參考答案:

目標檢測對準確率要求更高，但是對檢測耗時要求較低

下面關于過擬合的描述中，錯誤的說法是哪個？

參考答案:

訓練過程中的損失值越小，其在存過擬合的風險越低

以下哪些目標檢測算法需要先使用卷積神經網絡后，再用錨機制生成候選區域？

參考答案:

FasterR-CNN_YOLOv2

下面關于MobileNet算法的描述中，錯誤的說法是哪個？

參考答案:

MobileNet中Pointwise采用了組卷積技術獲得特征

下面關于卷積神經網絡相關描述中，正確的說法是哪個？

參考答案:

Padding時各方向的填充不一定對稱

下面關于學習率的描述中，正確的說法是哪個？

參考答案:

過高的學習值會使損失值不降反升

下面關于損失函數的描述中，錯誤的說法是哪個？

參考答案:

損失函數的結果數值相對比較大說明模型的擬合能力更強

下面關于激活函數的描述中，正確的說法是哪個？

參考答案:

Sigmoid函數的導數是非零的，很容易計算

下面關于BP神經網絡的訓練的說法中，正確的說法是哪個？

參考答案:

訓練過程中權值參數的運算量很大，一般采用梯度下降法

下面關于BP神經網絡的說法中，錯誤的說法是哪個？

參考答案:

BP神經網絡利用激活函數來實現從輸出到輸入的非線性映射

下面關于OpenVX開發敘述中，錯誤的說法是哪個？

參考答案:

OpenVX的主要缺點是可擴展性較弱

下面關于推理引擎支持設備說明中，錯誤的說法是哪個？

參考答案:

異構插件(HETERO)是動態檢查各計算設備的利用率

下面關于推理引擎的描述中，正確的說法是哪個？

參考答案:

對OpenCV圖像處理庫進行指令集優化，顯著提升性能

下面關于OpenVINO項目開發流程的說明中，正確的說法是哪個？

參考答案:

OpenVINO中可使用異步操作進行加速推理速度

下面關于OpenVINO支持平臺的說法中，錯誤的說法是哪個？

參考答案:

OpenVINO對CPU的支持是從第3代開始

下面關于深度學習部署工具包（DLDT）的描述中，錯誤的說法是哪個？

參考答案:

對Intel的CPU型號沒有要求

下面關于OpenVINO對硬件的要求說明中，錯誤的說法是哪個？

參考答案:

OpenVINO不支持Linux操作系統

下面關于OpenVINO工具包的描述中，錯誤的說法是哪個？

參考答案:

OpenVINO工具包支持從2010年后生成的CPU型號

下面關于OpenVINO的描述中，正確的說法是哪個？

參考答案:

OpenVINO除支持C++外，還支持Python語言接口

關于模型優化結果的敘述中，正確的說法是？

參考答案:

XML文件中定義了模型的輸入樣本的批大小

關于模型優化的介紹，正確的說法是？

參考答案:

模型優化mo_tf.py輸入模型格式可以為PB格式

關于模型優化的理解，正確的說法是哪個？

參考答案:

mo_tf.py對應的是對Tensorflow模型的優化

關于OpenVINO，正確的說法是哪個？

參考答案:

OpenVINO主要用于模型推斷過程優化

關于OpenVINO組件的使用，下面說法正確的是哪些？

參考答案:

要先引入IENetwork和IECore對象_可通過IENetwork讀取模型的輸入和輸出格式_通過IECore的load_network方法加載模型

關于Inception的模型轉化過程，描述錯誤的是？

參考答案:

從h5格式到PB格式的轉化對模型性能進行了優化_OpenVINO支持h5格式的模型輸入格式

實驗中攝像頭視頻采集與處理過程中，下面哪些描述正確？

參考答案:

通過OpenCV的VideoCapture()可以采集視頻文件中的視頻_OpenCV可以指定幀寬和幀高_通過OpenCV的VideoCapture()可以采集攝像頭視頻_OpenCV可以指定FPS的大小

關于模型結果處理的描述中正確的是哪些？

參考答案:

如果有兩個候選框重疊，可通過NMS去重_如果有兩個候選框重疊，可通過閥值去重_重疊面積(IoU)是去重的依據

關于模型輸出的描述中，說法正確的是哪個？

參考答案:

通過計算softmax的值可以獲得類別標簽的概率/置信度

關于推理引擎的異步處理說法正確的是哪些？

參考答案:

異步處理比同步處理效率更高

關于OpenVINO組件的使用，下面說法正確的是哪個？

參考答案:

通過IECore的load_network方法加載模型

關于Inception模型的推理，下列說法正確的是哪個？

參考答案:

exec_net.infer()方法的輸出結果是模型的推理結果

關于圖像預處理的描述中，錯誤的是哪個？

參考答案:

預處理的結果張量中的n和c分別代表輸入圖像的寬度和高度

關于模型加載和推理的描述中，正確的是哪個？

參考答案:

IENetwork對象加載模型時，必須同時加xml和bin文件

關于異構計算插件的描述，正確的是哪些？

參考答案:

OpenVINO支持CPU、VPU、GPU等不同結構的硬件_OpenVINO支持不同硬件之間動態負載均衡_OpenVINO支持CPU、VPU、GPU等不同結構的硬件同時并行推理

OpenVINO優化的函數庫包括以下哪些？

參考答案:

OpenVX_OpenCV

關于OpenVINO的安裝過程中，正確的是哪些？

參考答案:

OpenVINO缺省安裝在/opt/intel/目錄下_Windows系統必須在安裝完成后設置環境變量

OpenVINO的部署描述中，正確的是？

參考答案:

支持模型熱更新_支持CPU/VPU/FPGA多種硬件_支持容器化部署

penVINO是英特爾推出的一款全面的工具套件，它支持以下哪些算法框架？

參考答案:

Kaldi_PyTorch_Caffe_Tensorflow

OpenVINO支持的平臺包括以下哪幾種？

參考答案:

macOS_Windows_Linux

關于推理引擎（IE）的描述中，正確的是哪個？

參考答案:

IE只能在Intel相關的硬件上

關于OpenVINO和OpenCV的描述中，正確的是哪個？

參考答案:

OpenCV可以與IR中間文件集成

關于中間表示文件(IntermediateRepresentiation,IR)的描述，錯誤的是哪個？

參考答案:

OpenVINO的推理除了支持IR格式外，還支持PB格式模型

關于OpenVINO模型優化的描述，錯誤的是？

參考答案:

模型優化支持所有Tensorflow模型

以下哪些目標檢測算法中候選區域的生成采用了選擇性搜索算法？

參考答案:

R-CNN_FastR-CNN

以下哪些目標識別算法使用了興趣區域（ROI）池化？

參考答案:

SPP-Net_FastR-CNN_FasterR-CNN

有關OpenVINO推理引擎的說法錯誤的是？

參考答案:

直接讀入新數據到中間文件進行推理計算

對于YOLOv1算法，下面哪種做法可能不能增加其檢測精度？

參考答案:

刪除非極大值抑制步驟(NMS)

下面哪種目標檢測算法候選框中的物體分類步驟沒有采用卷積神經網絡？

參考答案:

R-CNN

下面哪種算法的非極大值抑制（NMS）放在邊框精修步驟的前面？

參考答案:

R-CNN

有關YOLO(v1)算法，以下哪個說法是錯誤的？

參考答案:

把目標檢測轉化為一個回歸問題，無需候選區域生成環節，因此速度得到了提升

有關Faster-RCNN的說法正確的是哪個？

參考答案:

候選框的生成使用區域提名網絡（RPN），比選擇性搜索方法速度大大提升

與R-CNN相比，有關Fast-RCNN的說法錯誤的是哪個？

參考答案:

可以把分類損失和邊框精調的回歸損失加在一起訓練卷積神經網絡，降低了Fast-RCNN的mAP

下面哪個是目標檢測的過程？

參考答案:

樣本選擇與預處理->區域選擇->特征獲取->分類器分類

由于信息時代的快速發展，每天產生的數據與信息不計其數，所以人類尋求使用人工智能（AI）的方式，制造出智能系統來幫助人類自己做信息的處理與判斷。

參考答案:

正確

下面有關深度學習、目標檢測和邊緣計算的說法，正確的是哪些？

參考答案:

訓練好的目標檢測算法可以用于邊緣計算_目標檢測常使用深度學習中卷積神經網絡模型_機器視覺場景往往需要應用邊緣計算

下面哪些場景適合目標檢測？

參考答案:

作業幫以圖搜圖查詢答案_車牌檢測_通過攝像頭從一群人中搜索嫌疑犯

下面有關神經網絡的說法，正確的是？

參考答案:

神經網絡不同層次的神經元可以使用不同的激活函數_均方差損失函數是神經網絡常用的一種代價函數（損失函數）_神經網絡的訓練主要是針對神經元之間的權重和神經元的偏置進行一定的調整，使得代價函數極小化

有關BP神經網絡的不足的說法哪些是正確的？

參考答案:

易陷入局部極小_學習效率低_檢驗時新樣本與訓練樣本差別大泛化效果弱

下面哪些是深度學習快速發展的原因？

參考答案:

可以獲得更多的數據_更快的計算能力_性能更好的算法

下面哪項不是機器視覺的功能？

參考答案:

計算機寫詩

以下有關OpenVINO平臺的認識錯誤的是哪個？

參考答案:

一種云計算平臺

AI的應用領域十分廣泛，以下屬于人工智能AI應用領域的是？

參考答案:

其他都是

以下不屬于超參的是哪個因素？

參考答案:

輸出編碼形式

梯度消失問題的認識哪個是正確的？

參考答案:

隱藏層太多時，可能導致