课堂互动 显示答案 | 返回首页 作者：欧新宇（Xinyu OU）
最后更新：2025-01-05
1.（多选）下列哪些任务属于像素级分类？
A. 从监控视频中找到指定人物
B. 从一张胸部X光照片中找出哪些位置是结节区域
C. 为一辆自动驾驶的汽车找到视野范围内的公路区域
D. 机场安检台上判断乘客是否是在通缉人员
2. 以下任务中，不仅需要将每个相似的类别都识别出来，还需要将同一个类别的不同个体区分开的是（）。
A. 对象分割
B. 语义分割
C. 个体分割
D. 实例分割
E. 区域分割
3.（多选）下列数据可以用来做分割任务标注信息的是（）。
A. 标量数据，例如：0, 1, 2, 3...
B. 序列数据，例如：[23,231,234,334,2]
C. 二维矩阵
D. 三维矩阵
4.（多选）实例分割可以理解为以下哪两个任务的合成？
A. 图像分类
B. 语音识别
C. 目标检测
D. 语义分割
5.（多选）下列常见的特征，哪些是传统图像分割常用的特征？
A. CNN特征
B. 形状特征
C. 纹理特征
D. RNN特征
E. 颜色特征
F. 灰度级特征
6.（多选）以下图像分割算法，哪一个属于传统图像分割算法？
A. 基于阈值的图像分割算法
B. 基于卷积神经网络的图像分割算法
C. 基于图划分的图像分割算法
D. 基于像素聚类的图像分割算法
7.（多选）下列数据集可以用来衡量图像分割算法性能包括（）。
A. 标准ImageNet分类数据集
B. 标准Pascal VOC数据集
C. Pascal Context数据集
D. MSCOCO数据集
E. Cityscapes数据集
1.（多选）图像分割常用的评价指标包括：（）。
A. 平均交并比（mIoU）
B. 平均精确度（mACC）
C. 均方误差（MSE）
D. 平均值（Average）
2.（多选）在基于卷积神经网络的图像分割模型中，可以动态地调整卷积特征图的尺度，以实现不同类型的特征提取。下列可以实现卷积特征图尺度变大的技术包括（）。
A. 滑动窗口技术
B. 转置卷积
C. 跨步卷积
D. 最大升采样
3. 升采样常被看作是最大池化的逆操作，因此不需要对Max-Pooling做任何改变即可直接使用Max-unPooling。
A. 正确
B. 错误
4.（多选）在使用使用滑动窗口技术对图像进行逐像素识别时，具有哪些缺点？
A. 执行速度慢
B. 无法覆盖整幅图像的所有区域
C. 重叠或邻居像素无法共享特征
D. 只能识别前景对象，无法识别背景对象
5. 以下四种升采样技术，属于可学习升采样的是（）。
A. 最近邻
B. 零填充
C. 最大升采样
D. 转置卷积
6. 在执行转置卷积的时候，下列哪个参数用于控制输入特征图与输出特征图之间的变换尺度？
A. 卷积核的尺度(kernel_size)
B. 步长的大小(stride)
C. 填充的大小(padding)
D. 特征图的尺度(feature map)
7. 图像分割属于（）。
A. 样本级分类
B. 区域级分类
C. 像素级分类
D. 以上都可以
1. 在Max-Uppooling中，对于空位置的像素值，使用（）来进行填充。
A. Max-Pooling中pool的索引所对应位置的值
B. 随机值
C. 0
D. 1
2.（多选）以下哪些层次模块被组合到FCN全卷积网络中用于实现图像分割？
A. 卷积层
B. 反卷积层
C. 池化层
D. 全连接层
3. 在由UC Berkeley开发的标准FCN全卷积网络中，（）被是用来实现将卷积特征图上采样至原图尺寸。
A. 最大上采样
B. 转置卷积
C. 双线性插值
D. 最近邻插值
4. 在全卷积网络FCN中，作者使用VGG16作为骨干网络，该模型的输出层的尺度为（）。
A. 1×1
B. 7×7
C. 21×21
D. 与输入尺度相同
5.（多选）在标准FCN全卷积网络中，最终的特征图包含以下哪几种尺度的特征图（）。
A. 2倍上采样
B. 4倍上采样
C. 8倍上采样
D. 16倍上采样
E. 32倍上采样
1. U-Net是一种U型结构的网络，它具有精度高的特点，该模型最初设计用于（）。
A. 文字识别
B. 人脸识别
C. 医学图像识别
D. 行人识别
E. 实时系统
2.（多选）下列对SegNet网络的描述正确的包括（）。
A. SegNet使用编码器-解码器的形式构建分割网络
B. SegNet也是一种全卷积网络
C. 由于使用最大升采样方法实现特征图尺度提升，因此分割速度非常快，可以满足实时的要求
D. SegNet的输出具有和输入样本一样的尺度
3.（多选）与SegNet相比，U-Net的区别主要包括（）。
A. 解码器使用反卷积滤波器，进一步提高了分割网络的运行速度
B. 通过多尺度特征的混合，提高了分割的精度
C. 通过整合全连接层打破全卷积网络的空间限制，提高了模型的多样性识别能力
D. 在上采样后紧跟2个卷积层，提高了模型的非线性特性，从而得到了更鲁棒的特征
4. PSP网络利用空间金字塔结构缓解了全卷积网络FCN（）的缺点。
A. 推理速度慢
B. 没有考虑上下文信息
C. 没有考虑不同尺度信息
D. 感受野范围较小
1. 条件随机场CRF在分割网络中的主要作用是（）。
A. 提高预测时分割网络的执行速度
B. 实现分割结果的精细调整
C. 提高分割网络的训练速度
D. 实现将经过卷积层缩小的特征图还原到输入尺寸（升采样）
2. 空洞卷积(Dailated Convolutions)可以指数级地扩大感受野，而不丢失分辨率，在分割网络中常常被用来替代（）。
A. Max-Pooling
B. 卷积层
C. 全连接层
D. Softmax层
3.（多选）在DeepLab模型中，多尺度训练帮助模型获得不同粒度的特征，下列那些尺度被DeepLab默认使用（）。
A. 0.1倍
B. 0.25倍
C. 0.5倍
D. 0.75倍
E. 1倍
4.（多选）下列哪些模型可以用来将一个室内场景图像中的家具部分以精确到像素的标准标识出来？
A. Mask R-CNN
B. Faster R-CNN
C. DeepLab
D. YOLOv2
5.（多选）在DeepLab v2模型中，空洞空间金字塔池化ASPP结构采用多个不同尺度的 3×3 Conv 进行特征提取，并进行上下文信息融合，这些尺度包括（）。
A. rate=6
B. rate=12
C. rate=18
D. rate=24
6.（多选）在DeepLab v3和v3+模型中，改进版的空洞空间金字塔池化ASPP结构被用来实现使用多个不同尺度的 3×3 Conv 进行特征提取，并进行上下文信息融合，这些尺度包括（）。
A. rate=6
B. rate=12
C. rate=18
D. rate=24
1. 以下关键词描述属于实例分割的一组是（）。
A. 不包括背景 不区分个体
B. 不包括背景 区分个体
C. 包括背景 不区分个体
D. 包括背景 不区分个体
2. Mask R-CNN可以用来同时处理检测和分割任务，相比Faster R-CNN模型，它增加了一个（）。
A. 掩膜预测的损失函数
B. 分类损失函数
C. 边界框回归损失函数
D. 边界框分类损失函数
3. 关于Mask R-CNN的掩膜预测描述，下列正确的包括（）。
A. 每个类都预测一个掩膜，最终生成 [C×W×H] 的张量
B. 所有类生成一个W×H的掩膜张量
C. 掩膜预测时，一次性就完成了实例分割
D. 掩膜矩阵由BBox回归生成的边界框通过RoiAlign方式进行生成
4. Mask R-CNN模型是一种实例分割模型，它的分割分支直接输出分割好的实例对象。
A. 正确
B. 错误
5.与Yolo不同的是，在Solo模型中，特征图被划分位S×S的网格，每个网格都可以实现多个语义类概率预测。
A. 正确
B. 错误
6. 全景分割模型UPSNet为了避免一个实例因为错判而导致双重惩罚的问题，增加了一个未知类用于预测难以判定的样本区域。
A. 正确
B. 错误