《人工智能基础及应用（微课版） 习题及答案 第8章 计算机视觉案例.docx》由会员分享，可在线阅读，更多相关《人工智能基础及应用（微课版） 习题及答案 第8章 计算机视觉案例.docx（2页珍藏版）》请在三一办公上搜索。
1、习题8-1.简述什么是计算机视觉？8-2.计算机视觉的应用领域有哪些？8-3.卷积神经网路的经典结构包括哪些层？8-4.卷积神经网路的经典结构包括哪些层？8-5.交通标志检测和识别的过程主要包括哪几个环节？8-6.传统的目标检测方法，存在哪些问题？8-7.一个完整的车牌定位与识别系统，应该包括哪些单元？8-8.传统的车牌定位是采用什么方法？8-9.车牌字符分割通常采用什么方法？其基本思想是什么？8-10.LPRnet与传统的车牌识别方法相比，有什么区别？参考答案8-1.简述什么是计算机视觉？答：计算机视觉作为一门让机器学会如何去“看的学科，具体的说，就是让机器去识别摄像机拍摄的图片或视频中的物
2、体，检测出物体所在的位置，并对目标物体进行跟踪，从而理解并描述出图片或视频里的场景和故事，以此来模拟人脑视觉系统。因此，计算机视觉也通常被叫做机器视觉，其目的是建立能够从图像或者视频中“感知”信息的人工系统。8-2.计算机视觉的应用领域有哪些？答：交通（车牌识别、道路违章抓拍）、安防（人脸闸机、小区监控）、金融（刷脸支付、柜台的自动票据识别）、医疗（医疗影像诊断）、工业生产（产品缺陷自动检测）等多个领域应用。8-3.卷积神经网路的经典结构包括哪些层？答：卷积层、激活层、池化层和全连接层。8-4.卷积神经网路的经典结构包括哪些层？答：卷积层、激活层、池化层和全连接层。8-5.交通标志检测和识别的
3、过程主要包括哪几个环节？答：整个流程被划分为了3个环节，首先是进行图像的预处理操作，主要对图像进行角度变化、压缩等处理；然后是交通标志检测，主要完成候选区域的提取工作；最后是对交通标志的分类操作，主要对交通标志的类型进行分类标注。8-6.传统的目标检测方法，存在哪些问题？答：（1）区域选择策略没有针对性、时间复杂性高，窗口冗余；（2）手工设计的特征鲁棒性较差。8-7.一个完整的车牌定位与识别系统，应该包括哪些单元？答：车辆检测、图像采集、图像预处理、车牌定位、字符分割、字符识别等单元。8-8.传统的车牌定位是采用什么方法？答:我国所有类型汽车车牌大小规格相差不大,基本上长宽比是固定不变的。通常
4、情况下，车牌的边缘信息都是比较多的，它们主要用于检测车牌目标车牌区域内的明显亮度变化所展现是边缘信息车牌检测算法，这个算法的优点在于操作难度低、容易实现检测目的，但不足的是仅仅依靠车牌边缘信息是不能够解决复杂情况的问题。8-9.车牌字符分割通常采用什么方法？其基本思想是什么？答：投影法是目前常用的车牌字符分割算法。利用二值化图像的像素的分布直方图进行分析，从而找出相邻字符的分界点进行分割，主要思路为：二值图像对应方向的投影，就是在该方向取一条直线，统计垂直于该直线（轴）的图像上的像素的黑点数量，累加求和作为该轴该位置的值；基于图像投影的切割就是将图像映射成这种特征后，基于这种特征判定图像的切割位置（坐标），用这个坐标来切割原图像。8-10.LPRnet与传统的车牌识别方法相比，有什么区别？答：LPRnet（LicensePlateRecognitionviaDeepNeuralNetWOrkS）发表于2018年，是一个经典的车牌识别算法，没有对字符进行预分割，是一个端到端的轻量化车牌识别算法。
