2021年中级模拟题(理论2)【答案及解析】

编辑者:欧新宇
最后修订:2021年12月15日
本教案仅用于内部教学使用,请勿传播


1. [单选题] 对于角度不合适的图像,经常需要在预处理中进行几何变换,如下从左图到右图的变换方式传称之为()。

A. 翻转变换
B. 平移变换
C. 仿射变换
D. 透视变换

答案及解析:D
选项C,仿射变换是从一种二维空间向另外一种二维空间进行的变换;选项D,透视变换是从二维空间向三维空间进行的变换。


2. [单选题] 图像阈值变换可以完成图像二值化处理。想达到下图二值化效果,可能使用的代码是()。

A. ret, thresh1 = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)
B. ret, thresh1 = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY_INV)
C. ret, thresh1 = cv2.threshold(img, 127, 255, cv2.THRESH_TRUNC)
D. ret, thresh1 = cv2.threshold(img, 127, 255, cv2.THRESH_TOZERO_INV)

答案及解析:A
cv2.threshold是简单阈值函数,它包含四个参数。第一个表示原图像,第二个为分类阈值,第三个为超过阈值后的新值,第四个是阈值方法。常用的阈值方法包括:


3. [单选题] 图像的阈值处理中,通常需要自行选择分割阈值的具体数值。下列()方法可以根据图像自行给出最佳的分割阈值。
A. 自适应阈值的方法
B. OTSU
C. 平均阈值方法
D. 等差阈值方法

答案及解析:B
选项A,自适应阈值法,有很多种,典型的adaptiveThreshold算法把图像分成很多小块,每一块用固定阈值分割。常见的包括均值自适应法、高斯加权自适应法。 选项B,大津法(OTASU)是一种图像灰度自适应的阈值分割算法,是1979年由日本学者大津提出,并由他的名字命名的。大津法按照图像上灰度值的分布,将图像分成背景和前景两部分看待,前景就是我们要按照阈值分割出来的部分。背景和前景的分界值就是我们要求出的阈值。遍历不同的阈值,计算不同阈值下对应的背景和前景之间的类内方差,当类内方差取得极大值时,此时对应的阈值就是大津法(OTSU算法)所求的阈值。 选项C和D都是固定阈值算法。


4. [单选题] 二值化图像经常可以作为图像处理中的掩模,用来获取图像中的ROI区域。例如,当前掩模mask对应于图像的前景,如果希望获取图像背景的掩模,应该采用下面哪个操作()。
A. mask_inv = cv.bitwise_and(mask)
B. mask_inv = cv.bitwise_or(mask)
C. mask_int = cv.bitwise_not(mask)
D. mask_int = cv.bitwise_xor(mask)

答案及解析:C
cv.bitwise_not()用来求原图像的反,在本例中前景和背景掩模刚好就是取反的关系。


5. [单选题] 图像的形态学操作,通常可以用来调整二值化图像的背景噪声。如下图中的处理效果,是采用()代码完成。

A. result = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)
B. result = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)
C. result = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)
D. result = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel)

答案及解析:A
cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel) 是形态学操作常用的符合函数,可以实现开运算、闭运算、顶帽运算、黑帽运算等。本题代码如下:

import cv2
import numpy as np
img = cv2.imread('../../Images/T007-01.png')
kernel = np.ones((8,8), np.uint8)
result = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)
cv2.imshow('img', img)
cv2.imshow('result', result)
cv2.waitKey(0)
cv2.destroyAllWindows()


6. [单选题] 通过对同一图像产生不同分辨率的子图,可以获得图像金字塔。如果对图像img,需要产生其原图1/4的分辨率子图,正确的代码是()。
A. img2 = cv2.pyrUp(img)
B. img2 = cv2.pyrDown(img)
C. img2 = cv2.pyrUp(img, 2)
D. img2 = cv2.pyrDown(img, 2)

答案及解析:B
图像金字塔函数主要包括 cv2.pyrUp(src)cv2.pyrDown(src) 两个函数,其中前者用于升采样至原来的4倍,后者用于降采样至原来的1/4。选项C和D多了一个参数2。本题的参考代码如下:

import cv2
img = cv2.imread('../../Images/T006-01.png')
img2 = cv2.pyrDown(img,2)
cv2.imshow('img', img)
cv2.imshow('img2', img2)
cv2.waitKey(0)
cv2.destroyAllWindows()


7. [单选题] 如果希望提取图片中某一种或几种特定颜色的物体的轮廓,而不提取其他颜色物体的轮廓,()传统图像方法最合适。
A. 直接使用OpenCV库中的findContours方法就可以
B. 使用形态学的方法计算膨胀图像和腐蚀图像的插值
C. 使用色彩通道的直方图均衡化后,再查找轮廓
D. 转换成HSV色彩空间并进行直方图反向投影

答案及解析:D
选项A,无法找到特定颜色的轮廓;选项B也无法找到特定颜色的轮廓,所有色彩都是均衡的;选项C的直方图均衡化会拉大灰度级之间的跨度,让对比度更明显,但这并不影响色彩;选项D,对HSV色彩空间进行直方图,有利于加大色彩间的间隔,通过阈值可以更容易实现色彩边界的选择。


8. [单选题] OpenCV库中提供了查找轮廓的函数,可以通过不同的参数设置轮廓检索模式。如下是原图,二值化后的图像和轮廓效果图,可能采用的查找轮廓的代码是()。

A. cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
B. cv2.findContours(binary, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)
C. cv2.findContours(binary, cv2.RETR_CCOMP, cv2.CHAIN_APPROX_SIMPLE)
D. cv2.findContours(binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

答案及解析:D
cv2.findContours(img, mode, method) 函数用于查找目标的轮廓,但该函数只能传入二值图像,不接受灰度图或彩色图。轮廓有四种检索模式(mode):

本题检测的是外轮廓,所以选择D。本题参考代码如下:

import cv2
img = cv2.imread('../../Images/T008-01.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY_INV)
contours, hierarchy = cv2.findContours(binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cv2.drawContours(img, contours, -1, (255,0,0), 2)
cv2.imshow('contours', img)
cv2.waitKey(0)
cv2.destroyAllWindows()


9. [单选题] 查找图像的轮廓后,可以采用多种方式判断轮廓的特性,便于选择合适的部分。如果cnt是一个矩形轮廓,想要计算其周长,以下代码正确的是()。
A. cv2.arcLength(cnt, True)
B. cv2.arcLength(cnt, False)
C. cv2.boundingRect(cnt, True)
D. cv2.boundingRect(cnt, False)

答案及解析:A
函数cv2.arcLength(cnt, closed) 用于计算轮廓的长度(周长),其中cnt为轮廓,closed[True|False]是布尔值,用来表示轮廓是否封闭。本题代码如下:

import cv2
img = cv2.imread('../../Images/T008-01.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY_INV)
cnt, hierarchy = cv2.findContours(binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
for c in cnt:
    x = cv2.arcLength(c, False) 
    print(x)


10. [单选题] 查找到图像的轮廓后,经常需要获取其边界矩形。如需获取如下图的边界矩形的效果,以下代码正确的是()。

A. cv2.minAreaRect(cnt)
B. cv2.minEnclosingRect(cnt)
C. cv2.boundingRect(cnt)
D. cv2.Rect(cnt)

答案及解析:C


11. [单选题] OpenCV库种提供了读取视频的类VideoCapture,可以读取视频的各种参数。如果要读取视频的帧率,应该使用()代码。
A. cv2.VideoCapture.get(cv2.CAP_PROP_FRAME_WIDTH)
B. cv2.VideoCapture.get(cv2.CAP_PROP_FPS)
C. cv2.VideoCapture.get(cv2.CAP_PROP_POS_MSEC)
D. cv2.VideoCapture.get(cv2.CAP_PROP_POS_FRAMES)

答案及解析:B


12. [单选题] 如果要读取视频 car.mp4 的第一帧,下面代码正确的是()。
A. cap = cv2.Capture('car.mp4'); ret, frame = cap.readframe()
B. cap = cv2.VideoCapture('car.mp4'); ret, frame = cap.read()
C. cap = cv2.Capture('car.mp4'); ret, frame = cap.read()
D. cap = cv2.VideoCapture('car.mp4'); ret, frame = cap.readframe()

答案及解析:B
cap = cv2.VideoCapture(0) 用于打开摄像头,参数0表示摄像头的硬件顺序号;ret, frame = cap.read() 实现按帧读取视频, 读取成功时frame保存当前帧(图片),ret返回True,读取失败ret返回False。


13. [单选题] 一般来说,想要预测连续变量会使用下列()方法。
A. 逻辑回归
B. 线性回归
C. 聚类
D. 以上都行

答案及解析:B
选项B是典型的回归算法,可以根据已知数据对未知数据进行进行拟合和预测;选项A,逻辑回归属于分类算法;选项C属于聚类算法。


14. [单选题] A为原始标注区域面积,B为模型预测框面积,两者重合部分面积为C。 下列()正确计算了IOU的值。

A. C/A
B. (B-C)/B
C. C/(A+B-C)
D. (B-C)/(A+B)

答案及解析:C
IOU指标注区域预测区域的交并比。


15. [单选题] 对于图像分类问题,()模型预期表现更好?
A. 感知机
B. 多层感知机
C. 卷积神经网络
D. 循环神经网络

答案及解析:C
目前,在图像分类领域,性能最好的依然是卷积神经网络CNN;而在有时许信息的语音识别和自然语言处理领域,循环神经网络表现也非常不错。


16. [单选题] 感知机执行时有如下任务:(1)初始化权重;(2)更新权重;(3)传入数据,得到输出;(4)重复迭代;(5)计算预测值与真实值误差。正确的执行顺序是()。
A. 1,3,5,2,4
B. 3,1,5,2,4
C. 1,3,2,5,4
D. 1,3,5,2,4

答案及解析:A
包括感知机在内的前馈神经网络都包含前向传输和反向传输两部分,在训练开始前需要先使用初始化算法对权重w和b进行初始化,前向传输后通过计算预测值和真实值之间的误差生成损失值,并使用反向传播算法通过最小化损失,实现权重的更新与优化。


17. [单选题] 对于一个神经网络模型,规定它的输出为28×28的RGB图像,输入张量形状为[8,3,28,28],这里8表示()。
A. batch_size
B. channel
C. height
D. epoch

答案及解析:A
神经网络的输入为一个4D张量,形态为 [NCHW]


18. [单选题] 下列()为分类问题常用的损失函数。
A. 均方误差
B. 交叉熵损失函数
C. 平方误差
D. L2损失函数

答案及解析:B
选项B,是分类损失;选项A和D是一种损失即均方误差又称为L2损失;选项C,一般不存在这种说法,但有时也可以表示和AD相同的损失函数。

19. [单选题] 下列()图描述了过拟合现象。

答案及解析:B
选线A和D都属于欠拟合,选项B属于过拟合,选项C属于正常拟合


20. [单选题] 下列关于模型结束训练描述正确的是()。
A. 当错误率小于0.01时可以停止训练
B. 需要等待所有轮次训练完成才可以结束训练
C. 当训练集损失仍在下降时不应该结束训练
D. 当验证集损失停止下降时应该结束训练

答案及解析:D
模型训练过程中,通常根据损失/精度的变换情况判断训练是否需要终止,无论总训练周期是否结束,只要验证集上的损失/精度不再降低就应该停止训练,这种方法被称为提前停止策略Early Stop.


21. [单选题] 池化层通常用来()。
A. 压缩图像
B. 提取图像特征
C. 将多维数据一维化
D. 连接卷积层与全连接层

答案及解析:A
池化层的作用主要是通过降采样实现降维和去除冗余信息,从而减少计算量和内存消耗,另一方面可以扩大感受野,同时保持平移、旋转和尺度不变性。


22. [单选题] OCR文字识别应用的后台一般使用的算法是()。。
A. 随机森林
B. 逻辑回归
C. 支持向量机
D. 神经网络

答案及解析:D
理论上所有分类识别算法都可以实现文字识别,但目前性能最好的是神经网络,特别是早期以LeNet-5为代表的MNIST手写数字识别。


23. [单选题] 百度AI开放平台接入流程中,在成功登录平台后,需要创建()之后才可以调用AI服务。
A. 服务
B. 接口
C. 身份
D. 应用

答案及解析:D


24. [单选题] 如果要使用百度AI开放平台提供的Python SDK,需要执行 pip install () 进行安装。
A. baidu-client
B. baidu-aip
C. baidu-sdk
D. baidu-python

答案及解析:B
百度AI开放平台安装SDK的命令为 pip install baidu-aip. 值得注意的是,很容易误认为 api.


25. [单选题] 在通过手机进行人脸认证的时候,经常需要用户完成眨眼、转头等操作。这是采用了()技术。
A.人脸检测
B. 人脸分析
C. 人脸语义分析
D. 活体检测

答案及解析:D


26. [单选题] 手机上广泛使用的手写输入技术,主要用到了()。
A. 光学字符识别技术
B. 手写文字识别技术
C. 语音识别技术
D. 机器翻译技术

答案及解析:A


27. [单选题] 在使用百度商品图片检索时,不需要我们执行的操作有()。
A. 上传自己的图片库
B. 为每个图片生成特征
C. 管理自己的图片库
D. 检索图片

答案及解析:B
使用百度EasyDL平台时,绝大多数算法相关的操作都不需要人工进行操作,例如选项B,为每个图片生成特征。


28. [单选题] 利用树莓派摄像头采集大量商场环境图片,然后数据上传到云端进行数据处理再训练模型,再将模型导入到树莓派进行基于摄像头捕捉图片的人形检测。这样的边云协同属于下列()类型。
A. 边缘收集数据、云端训练+推理
B. 边缘收集数据+推理、云端训练
C. 边缘收集数据+推理,分布式边缘训练
D. 边缘在线学习+推理

答案及解析:B
树莓派属于边缘设备,基于树莓派的数据采集和推理,均属于边缘端的范畴。


29. [单选题] Paddle Lite是百度飞桨基于Paddle Mobile全新升级退出的端侧推理引擎,定位支持包括手机移动端在内更多场景的高效预测。关于其特点,下面说法错误的是()。
A. 轻量级:执行阶段和计算优化阶段实现良好解耦拆分,移动端可以直接部署执行,无任何第三方依赖
B. 高性能:极致的ARM CPU性能优化,能最大提供模型训练性能
C. 软硬件兼容:广泛的边缘设备硬件支持,广泛的模型支持能力
D. 框架兼容:PaddlePaddle无缝对接,对其他训练框架也提供兼容支持

答案及解析:B
边缘计算更加关注效率,而不是性能。一切性能都在效率的前提下进行。


30. [单选题] 树莓派(Raspberry Pi)是可以运行Linux系统的电脑,是英国树莓派基金会所开发,其主要特点为机身小巧和价格低廉,一经推出便收到各种计算机爱好者、开发者的喜爱。其处理器(CPU)使用的是(ARM)架构。
A. x86
B. EPIC
C. ARM
D. POWER

答案及解析:C
最新的树莓派4+的CPU采用的是四核64位的ARM Cortex-A72架构CPU。


31. [单选题] 中值滤波是一种边缘增强算子。
A. 正确
B. 错误

答案及解析:B
中值滤波是一种效果不错的图像去噪方法。


32. [单选题] 结构元素S在区域X内移动时其原点位置的集合就是S对X的腐蚀。
A. 正确
B. 错误

答案及解析:A
更为准确的答案是,当结构元未完全处于前景图像中时,结构元S在区域X内移动时,其原点位置的集合时S对X的腐蚀。


33. [单选题] 根据已标注样本对剩余样本进行预测可以视作监督学习。
A. 正确
B. 错误

答案及解析:A


34. [单选题] 人脸识别技术不能检测出用户的年龄。
A. 正确
B. 错误

答案及解析:B
当训练样本的标注信息时人脸年龄时,其训练所得的模型可以用来检测给定人脸的年龄。


35. [多选题] Paddle Lite 是百度飞桨基于Paddle Mobile全新升级退出的端侧推理引擎,定位支持包括手机移动端在内更多场景的轻量化高校预测。其具有轻量级、高性能、通用性等特点。
A. 正确
B. 错误

答案及解析:A


36. [多选题] 关于HSV颜色空间,下列说法中正确的是()。
A. H 表示色调,在OpenCV中的取值范围是0-255
B. S 表示饱和度,表示颜色接近光谱色的程度,值越大,颜色越饱和
C. V 表示明度,在OpenCV种取值范围是0-255,其中0表示黑色,255表示白色
D. HSV颜色模型是面向用户的,经常应用在提取图片某种颜色的场景

答案及解析:BCD
H表示色调,使用角度进行衡量,其取值范围是0°-360°


37. [多选题] 遥感采集的图像通常存在较多的噪声,可以用图像平滑的方式来去除。以下算法中能够平滑图像的是()。
A. 中值滤波
B. 梯度锐化
C. 直方图均衡
D. 高斯滤波

答案及解析:AD
选项A的中值滤波和选项D中的高斯滤波都可以有效实现噪声消除;选项B是一种图像锐化技术,可以实现边缘的增强;选项C的直方图均衡能够增大对比度,使亮部更亮,暗部更暗,从而使轮廓、边缘更清晰;


38. [多选题] 图像处理中经常使用图像形态学操作,关于形态学操作说法正确的是()。
A. 开运算是先对图像进行腐蚀,然后再进行膨胀
B. 闭运算是先对图像进行膨胀,然后再进行腐蚀
C. 黑帽运算是原始图像减去图像开运算的结果
D. 顶帽运算时图像闭运算操作减去原始图像的结果

答案及解析:AB


39. [多选题] 对图像进行形态学操作时,通常需要制定一定形状的核。如果需要3行5列的矩形核,以下代码正确的是()。
A. kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3,5))
B. kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5,3))
C. kernel = np.ones((3,5), dtype=np.uint8)
D. kernel = np.zeros((3,5), dtype=np.uint8)

答案及解析:BC
设置核心有两种方法,一种是使用 cv2.getStructuringElement(cv2.MORPH_RECT, (W,H)) 函数生成;另一种方法是自定义生成 np.zeros((H,W), dtype=np.uint8)。其中H表示高,即行;W表示宽,即列。


40. [多选题] 关于图像阈值说法正确的有()。
A. 阈值处理就是选取一个全局阈值,然后将图像的前景与背景分离
B. 设置阈值参数T将图像分割成两部分,大于T的像素群设置为255,小于T的像素群设置为0,这种形式称为图像的二值化处理。
C. 阈值采用127即可满足要求
D. 阈值选择采用Otsu算法可以自主选择合理的阈值

答案及解析:ABD
选项A是阈值法的基本概念,也是最简单的阈值区分法;选项B是二值化阈值的基本方法;选项C,127是一种典型的阈值设置;选项D种的Otsu会遍历所有可能的阈值,从而找到最佳的阈值。


41. [多选题] Canny边缘检测是一种非常常见的边缘检测方法,可以获得较好的边缘检测效果。如下图,直接对原图使用Canny边缘检测的效果图是1,如果想获得类似图2的边缘检测效果,可以采取的方法是()。

A. 对原图先做滤波平滑处理
B. 对原图先做锐化处理
C. 调高canny的高阈值
D. 调低canny的高阈值

答案及解析:AC
图1和图2的主要区别是图2去掉了显示框内的数字,从原图可以看出显示框内的数字和背景液晶屏对比度相对较低。选项A,平滑处理可以使这种对比度较低的区域更加平滑,使得后续的canny阈值更难实现划分,从而无法检测到边缘;选项B,锐化处理会强化边缘,使得后续的canny阈值更容易划分,从而更容易检测到边缘;调高canny的高阈值,同样会使得边缘检测的要求提高,对于对比度较低的区域更难被检测。下面给出该题的代码实现:

import cv2 
import matplotlib.pyplot as plt 
%matplotlib inline

# 使用opencv的imread函数读入待检测图像,并显示。
image = cv2.imread("../../Images/T012-01.png")
image_rgb = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)

# 获取原图像的宽高 
w,h,d = image.shape 
# 按比例缩放图像的500像素高 
image = cv2.resize(image, (int(300*w/h), 300)) 
#转换成灰度图 
gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY) 
#进行高斯滤波对图像进行去噪(平滑)
blurred = cv2.GaussianBlur(gray, (5, 5), 0) 
#使用Canny边缘检测获取边缘 
edged1 = cv2.Canny(blurred, 50,100) 
edged2 = cv2.Canny(blurred, 50,150) 

plt.figure(figsize=(12,10))
ax0 = plt.subplot(1,3,1)
ax0.set_title('image_rgb')
plt.imshow(image_rgb)
ax0 = plt.subplot(1,3,2)
ax0.set_title('edged1')
plt.imshow(edged1, cmap='gray')
ax0 = plt.subplot(1,3,3)
ax0.set_title('edged2')
plt.imshow(edged2, cmap='gray')


42. [多选题] 以下()为常见的优化方法。
A. SGD
B. Adam
C. Xgboost
D. Momentum

答案及解析:ABD
选项ABC都是常见的优化算法,都属于随机梯度下降算法;选项C, XGBoost的全称是eXtreme Gradient Boosting,它是经过优化的分布式梯度提升库,旨在高效、灵活且可移植,由陈天奇等人开发,该算法在早期的Kaggle竞赛中获得了相当的成就。


43. [多选题] 下列有关卷积层说法正确的是()。
A. 卷积核必须为 n×n 形式,长宽相同
B. 卷积后得到的特征图可以和原图尺寸一致
C. 1×1 卷积核常用来降维,无法对原图提取特征
D. 在卷积层种可以加入激活函数

答案及解析:BD
选项A,卷积核可以是任意形态,并非只能是正方形,也可以是矩形,甚至可以设置成任意非规则形态;选项B中,调整卷积核的尺寸、步长和填充可以实现卷积后的特征图与原图具有同样的尺寸;选项C中的1×1卷积是一种瓶颈设计,可以用来实现降维,它所生成的特征图同样是对原图的一种特征提取;选项D,在卷积层中增加激活函数是一种通用的实现非线性激活的方法。


44. [多选题] 下列属于常见的深度学习框架的是()。
A. TensorFlow
B. PaddlePaddle
C. Pytorch
D. OpenCV

答案及解析:ABC
常见的深度学习框架包括TensorFlow, PaddlePaddle, Pytorch, Kears, MXNet, Caffe等,所以选项ABC都是正确的;选项D是一种强大的图像处理库,其中cv2是其面向Python的版本。


45. [多选题] AI模型在工程项目中,选择部署方式非常重要,通常可以选择在公有云上部署和本地服务器部署,下面关于本地服务器部署说法正确的是()。
A. 可弹性伸缩,支持业务的规模化发展
B. 在内外/无网环境下使用模型,确保数据隐私
C. 预测速度快
D. 预测稳定,不受网络环境影响

答案及解析:BCD
本地部署的AI项目,借助于本地强大的GPU设备,可以实现稳定,高速的预测,并且可以良好的运行于局域网或者单机设备。但当业务发生改变时,无法动态地增减设备,不具备规模化发展的优势。


46. [多选题] 下面()场景下适合使用私有化AI部署产品。
A. 专有网络环境下本地化部署的需求,需要将AI产品部署在企业本地服务器上
B. 对数据安全性要求高,数据无需上传至第三方服务器或云端,私密数据的安全性更有保障
C. 在本地局域网进行数据交互请求的处理
D. 稳定承载高并发请求,可弹性伸缩,支持业务的规模化发展

答案及解析:ABC
本地部署的AI项目,借助于本地强大的GPU设备,可以实现稳定,高速的预测,并且可以良好的运行于局域网或者单机设备。但当业务发生改变时,无法动态地增减设备,不具备规模化发展的优势。


47. [多选题] OCR是人工智能技术之一,能让"计算机"和"人"一样,看图识字。下面关于ORC应用场景描述正确的是()。
A. 可以使用OCR能力进行题目识别,题目输入,题目搜索等操作
B. 能够识别驾驶证、行驶证、车牌等证照,提高用户输入效率,增强用户体验
C. 可以进行财务年报、财务报表、各种合同等文档识别操作
D. 可以帮助用户识别视频字墓,视频新闻标题等文字信息,帮助客户进行视频标识,视频建档

答案及解析:ABCD


48. [单选题] 人脸识别技术可以用在以下()场景。
A. 银行叫号取号
B. 交管局出入大厅
C. 会议签到
D. ATM转账汇款

答案及解析:ABCD


49. [多选题] 图像识别技术可以使用在多种场景,下面()属于图像识别的应用。
A. 手机拍照,识别花草植物
B. 相册整理,识别主要人物
C. 自动驾驶,识别行人和车辆
D. 反黄,识别网络违规图片

答案及解析:ABCD


50. [多选题] AI模型通常可以选择在公有云上部署,下面关于公有云服务器部署优势的是()。
A. 将 Web 页面的模型内容存储在专用服务器中,能够提高页面加载速度
B. 减少开发模型成本,缩短业务周期
C. Web 服务模型接口丰富,能够实现异构平台间交互
D. Web 服务模型稳定,不受网络环境影响

答案及解析:ABC