MOOC慕课网-人工智能产业应用前沿-第三讲测验

2024-02-28 01:18

本文主要是介绍MOOC慕课网-人工智能产业应用前沿-第三讲测验,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

第三讲测验

 

1单选(2分):商业零售场景利用人脸识别技术进一步了解顾客,这里所说的人脸识别技术,不包括以下所列的哪种算

A.人脸检测

B.人脸特征定位

C.人脸美颜

D.身份识别

正确答案:C

 

2单选(2分):以下关于人脸识别场景的比较,错误的是

A.商业零售中人脸识别是在识别对象不配合的条件下进行的

B.商业零售中的识别人脸时,人脸的姿态比海关签证场景更容易发生遮挡

C.商业零售场景的光照条件比海关签证场景更复杂

D.商业零售场景识别人脸时,拍摄的人脸图像分辨率更高

正确答案:D

 

3单选(2分):以下关于商业零售场景中人脸识别算法的描述,正确的是

A.姿态对准的特征点数量越多,识别算法的精度越高

B.识别算法估计年龄不会受光线和个人皮肤情况影响

C.深度学习使人脸检测算法的指标有了突破性的提高

D.比较检测算法的优劣时,只要看检测率的高低即可

正确答案:C

 

4单选(2分):假设某线下连锁超市注册会员是5万人,某天已知总客流为12000人,采用的会员人脸匹配算法的比对误报率为百万分之一,当天识别出的会员共计约4000人,请问当天实际上不是会员但被错误识别为会员的人大约是几个?

A.40

B.100

C.400

D.800

正确答案:C

 

5单选(2分):2018年FRVT非配合场景人脸身份比对的最高指标大约是误报率为百万分之一时,错误拒绝率为6%,则下面的描述正确的是

A.无法使该算法的误报率降低到亿分之一

B.无法使该算法的错误拒绝率降低到1%

C.如果将该算法的误报率降低到亿分之一,则相应的错误拒绝率可能会变小

D.如果要使算法的误报率降低,算法的错误拒绝率可能会升高到10%

正确答案:D

 

6判断(2分):只要人脸识别算法给出的相似度足够高,就能断定是同一个人。

正确答案:错

 

7判断(2分):深度学习之前的人工智能算法都完全依靠专家来选择特征。

正确答案:错

 

8判断(2分):当被识别的人脸不在已知身份库内时,人脸识别算法输出的匹配结果一定是错的。

正确答案:对

 

9单选(2分):【附加题】 (请阅读课程团队微信号“AI之美”所提供的课外学习资料)

有两种细菌x和y,需要根据细菌外形的(长,宽,高)对十个它们的样本进行区分,已知x细菌的5个样本的尺寸是(1,7,8),(1,8,9),(2,9,1),(4,1,1),(5,2,2),y细菌5个样本的尺寸是(3,3,3),(6,1,4),(7,4,5),(8,5,6),(9,6,7) ,假设我们用细菌外形的长度<5.5作为决策树分类的第一个分裂特征,那么这次分裂前后,样本集合的熵分别是多少?

A.0.5,0

B.0.69,0.8

C.0.69,0.45

D.0.5,0.25

正确答案:C

这篇关于MOOC慕课网-人工智能产业应用前沿-第三讲测验的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/754080

相关文章

分布式锁在Spring Boot应用中的实现过程

《分布式锁在SpringBoot应用中的实现过程》文章介绍在SpringBoot中通过自定义Lock注解、LockAspect切面和RedisLockUtils工具类实现分布式锁,确保多实例并发操作... 目录Lock注解LockASPect切面RedisLockUtils工具类总结在现代微服务架构中,分布

Python标准库之数据压缩和存档的应用详解

《Python标准库之数据压缩和存档的应用详解》在数据处理与存储领域,压缩和存档是提升效率的关键技术,Python标准库提供了一套完整的工具链,下面小编就来和大家简单介绍一下吧... 目录一、核心模块架构与设计哲学二、关键模块深度解析1.tarfile:专业级归档工具2.zipfile:跨平台归档首选3.

使用IDEA部署Docker应用指南分享

《使用IDEA部署Docker应用指南分享》本文介绍了使用IDEA部署Docker应用的四步流程:创建Dockerfile、配置IDEADocker连接、设置运行调试环境、构建运行镜像,并强调需准备本... 目录一、创建 dockerfile 配置文件二、配置 IDEA 的 Docker 连接三、配置 Do

深入浅出SpringBoot WebSocket构建实时应用全面指南

《深入浅出SpringBootWebSocket构建实时应用全面指南》WebSocket是一种在单个TCP连接上进行全双工通信的协议,这篇文章主要为大家详细介绍了SpringBoot如何集成WebS... 目录前言为什么需要 WebSocketWebSocket 是什么Spring Boot 如何简化 We

Java Stream流之GroupBy的用法及应用场景

《JavaStream流之GroupBy的用法及应用场景》本教程将详细介绍如何在Java中使用Stream流的groupby方法,包括基本用法和一些常见的实际应用场景,感兴趣的朋友一起看看吧... 目录Java Stream流之GroupBy的用法1. 前言2. 基础概念什么是 GroupBy?Stream

python中列表应用和扩展性实用详解

《python中列表应用和扩展性实用详解》文章介绍了Python列表的核心特性:有序数据集合,用[]定义,元素类型可不同,支持迭代、循环、切片,可执行增删改查、排序、推导式及嵌套操作,是常用的数据处理... 目录1、列表定义2、格式3、列表是可迭代对象4、列表的常见操作总结1、列表定义是处理一组有序项目的

C#中的Converter的具体应用

《C#中的Converter的具体应用》C#中的Converter提供了一种灵活的类型转换机制,本文详细介绍了Converter的基本概念、使用场景,具有一定的参考价值,感兴趣的可以了解一下... 目录Converter的基本概念1. Converter委托2. 使用场景布尔型转换示例示例1:简单的字符串到

Spring Boot Actuator应用监控与管理的详细步骤

《SpringBootActuator应用监控与管理的详细步骤》SpringBootActuator是SpringBoot的监控工具,提供健康检查、性能指标、日志管理等核心功能,支持自定义和扩展端... 目录一、 Spring Boot Actuator 概述二、 集成 Spring Boot Actuat

PyTorch中的词嵌入层(nn.Embedding)详解与实战应用示例

《PyTorch中的词嵌入层(nn.Embedding)详解与实战应用示例》词嵌入解决NLP维度灾难,捕捉语义关系,PyTorch的nn.Embedding模块提供灵活实现,支持参数配置、预训练及变长... 目录一、词嵌入(Word Embedding)简介为什么需要词嵌入?二、PyTorch中的nn.Em

Spring Boot3.0新特性全面解析与应用实战

《SpringBoot3.0新特性全面解析与应用实战》SpringBoot3.0作为Spring生态系统的一个重要里程碑,带来了众多令人兴奋的新特性和改进,本文将深入解析SpringBoot3.0的... 目录核心变化概览Java版本要求提升迁移至Jakarta EE重要新特性详解1. Native Ima