机器视觉与边缘计算应用期末考试练习题及答案
计算机视觉期末考试题及答案
计算机视觉期末考试题及答案一、选择题1. 下列哪个是计算机视觉的基本任务？A. 物体识别B. 图像去噪C. 特征提取D. 图像压缩答案：A2. 图像分割的目标是什么？A. 将图像分成若干不重叠的区域B. 提取图像中的边缘和角点C. 对图像进行降噪处理D. 对图像进行缩放和旋转答案：A3. 下列哪个不属于计算机视觉中的特征提取方法？A. 边缘检测B. 霍夫变换C. SIFTD. 形态学操作答案：D4. 目标识别中最常用的算法是？A. 支持向量机（SVM）B. 卷积神经网络（CNN）C. 决策树D. 随机森林答案：B5. 计算机视觉中的光照问题指的是什么？A. 图像中的曝光问题B. 图像中的阴影和反射问题C. 图像中的亮度和对比度问题D. 图像中的色彩平衡问题答案：B二、填空题1. 图像的分辨率是指图像中的像素数量（）图像的单位面积。
答案：除以2. 特征匹配算法中常用的匹配度量指标是（）。
答案：距离3. 边缘检测算法中，经典的Sobel算子是基于（）的。
答案：梯度4. 目标检测中的非极大值抑制是用来（）。
答案：过滤掉重复的检测结果5. 目标跟踪中最常用的方法是（）。
答案：卡尔曼滤波三、简答题1. 请简要解释计算机视觉中的图像金字塔是什么，并说明其应用场景。
答案：图像金字塔是一种多尺度表示的方法，通过对原始图像进行多次模糊和下采样，得到一系列分辨率不同的图像。
它的应用场景包括图像缩放、图像融合、目标检测等。
图像金字塔可以在不同尺度下对图像进行处理，以适应不同场景的需求。
2. 请简要介绍计算机视觉中的物体识别技术，并指出其挑战和解决方案。
答案：物体识别是指在图像或视频中自动识别出特定物体的技术。
其挑战包括光照变化、视角变化、遮挡等因素的影响。
解决方案包括利用深度学习方法进行特征提取和分类，使用数据增强技术增加训练数据，以及采用多模态融合的方法提高识别准确率。
3. 请简要解释计算机视觉中的图像分割技术，并说明常用的分割方法。
工业自动化中的机器视觉与计算机视觉考核试卷
D. K-means聚类
20.在计算机视觉中，以下哪个技术主要用于处理非刚性物体的识别？（）
A. ASM
B. AAM
C. HOG
D. SVM
（以下为其他题型，本题未要求，故省略）
二、多选题（本题共20小题，每小题1.5分，共30分，在每小题给出的四个选项中，至少有一项是符合题目要求的）
1.以下哪些技术属于机器视觉领域？（）
工业自动化中的机器视觉与计算机视觉考核试卷
考生姓名：答题日期：得分：判卷人：
一、单项选择题（本题共20小题，每小题1分，共20分，在每小题给出的四个选项中，只有一项是符合题目要求的）
1.下列哪项技术不属于机器视觉的范畴？（）
A.图像采集
B.图像处理
C.语音识别
D.特征提取
2.计算机视觉的主要任务不包括以下哪一项？（）
A.深度图
B.深度学习
C.深度相机
D.深度信息
12.在机器视觉中，以下哪种方法主要用于降低图像噪声？（）
A.高斯滤波
B.中值滤波
C.拉普拉斯滤波
D.频域滤波
13.以下哪个技术不属于机器视觉中的三维重建技术？（）
A.双目立体视觉
B.结构光
C.飞行时间（ToF）
D.语音识别
14.在计算机视觉中，以下哪个模型主要用于目标检测？（）
A. CNN
B. RNN
C. SVM
D. HMM
15.以下哪种技术主要用于提高机器视觉系统的实时性？（）
A.并行计算
B. GPU加速
C.模拟退火
D.最优化算法
16.在机器视觉中，以下哪个步骤主要用于消除图像中的光照影响？（）
A.对比度增强
机器视觉期末考试题及答案
机器视觉期末考试题及答案一、选择题（每题2分，共20分）1. 机器视觉中，图像采集卡的作用是什么？A. 存储图像数据B. 转换模拟信号为数字信号C. 处理图像数据D. 显示图像数据2. 在机器视觉系统中，边缘检测算法主要用于：A. 图像分割B. 图像增强C. 图像压缩D. 图像去噪3. 以下哪项不是机器视觉系统的基本组成部分？A. 光源B. 相机C. 镜头D. 打印机4. 机器视觉中的图像处理通常包括哪些步骤？A. 图像采集、图像预处理、特征提取、图像分析B. 图像采集、图像编码、图像解码、图像分析C. 图像采集、图像压缩、图像解压、图像分析D. 图像采集、图像存储、图像传输、图像分析5. 在机器视觉中，颜色空间转换的目的是什么？A. 改变图像大小B. 改变图像格式C. 改善图像质量D. 便于图像分析和处理6. 以下哪种算法不是用于图像分割的？A. 阈值分割B. 边缘检测C. 区域生长D. 直方图均衡化7. 机器视觉中，用于测量物体尺寸的方法是：A. 模板匹配B. 特征匹配C. 尺寸测量D. 形状识别8. 机器视觉系统中，相机的分辨率对图像质量的影响是：A. 分辨率越高，图像质量越差B. 分辨率越高，图像质量越好C. 分辨率与图像质量无关D. 分辨率越高，图像质量越不稳定9. 在机器视觉中，特征提取的目的是：A. 提高图像的分辨率B. 改善图像的对比度C. 提取图像中的关键信息D. 压缩图像数据10. 机器视觉在工业自动化中的应用包括：A. 质量检测B. 物体识别C. 尺寸测量D. 所有以上选项答案：1. B2. A3. D4. A5. D6. D7. C8. B9. C 10. D二、简答题（每题10分，共30分）1. 简述机器视觉在自动化生产线中的应用及其优势。
2. 解释什么是机器视觉中的图像预处理，并列举几种常见的图像预处理方法。
3. 描述机器视觉系统中相机标定的重要性及其基本步骤。
三、计算题（每题25分，共50分）1. 假设有一个机器视觉系统用于检测产品上的缺陷。
机器人视觉技术及应用章节练习题及答案(共8章)08 机器视觉系统项目实践习题答案
1机器人视觉系统实训平台由哪些模块组成？可以进行哪些视觉应用实训？
答：
机器人视觉系统实训平台由：协作机器人、模块化工作台、机器人移动导轨、轨迹示教模块、输送线模块、工具快换模块、拼图模块、自动托盘与仓储模块、视觉系统模块、电气实训模块模块组成；
可以进行：①视觉引导焊接实训；②视觉引导分拣实训；③视觉引导七巧板自动拼图实训；④视觉扫码入库实训，等实训项目。
2 在该视觉系统实训平台上装有两套视觉系统，各采用哪种安装方式，以及其作用？
答：
平台上包含两套工业相机，每套相机配有相对应的光源和镜头。
一个相机安装在输送线上，对输送线上的圆柱物料进行编号识别与位置测量。
另一个相机安装在机器人末端随机器人移动，对演示过程中七巧板物料进行颜色识别、面积识别，并针对样图效果进行摆放，另一方面相机识别货架上面的条码标识，将样图托盘对应入库。
3 简述本章4个项目实训中机器人与相机之间是如何配合应用的？
答：
机器人与相机视觉系统采用TCP/IP方式通讯，机器人作为client连接相机视觉系统服务器service；
机器人运行到拍照点执行脚本程序出发相机拍照进行图像处理；视觉系统根据编写好的流程处理图像信息，将处理结果打包成字符串发送给机器人；机器人通过脚本程序将数据进行解析，并赋值给机器人示教器变量；机器人通过在线编程使用相应的示教器变量实现项目功能。
计算机视觉技术练习(习题卷1)
计算机视觉技术练习(习题卷1)说明：答案和解析在试卷最后第1部分：单项选择题，共67题，每题只有一个正确答案,多选或少选均不得分。
1.[单选题]逆光拍照时，人脸比较暗，使用伽马矫正对图像进行增强达到逆光也清晰的效果，γ的取值可以选择？（）A)0B)0.5C)1D)22.[单选题]阅读以下文字：假设我们拥有一个已完成训练的、用来解决车辆检测问题的深度神经网络模型，训练所用的数据集由汽车和卡车的照片构成，而训练目标是检测出每种车辆的名称（车辆共有10种类型）。
现在想要使用这个模型来解决另外一个问题，问题数据集中仅包含一种车（福特野马）而目标变为定位车辆在照片中的位置。
A)除去神经网络中的最后一层，冻结所有层然后重新训练B)对神经网络中的最后几层进行微调，同时将最后一层（分类层）更改为回归层C)使用新的数据集重新训练模型D)所有答案均不对3.[单选题]在无人机输电线路巡检中以及变电站机器人巡检工作中，基于相关（）服务能力，实现设备缺陷、隐患智能辨识。
A)声纹识别B)自然语言处理C)语音识别D)图像识别4.[单选题]坐标为（21,13）和坐标为（22,12）的两个像素在空间上存在什么邻接关系？A)不存在邻接关系B)对角邻接C)8-邻接D)4-邻接5.[单选题]图像识别是以图像的主要（ ）为基础的A)元素B)像素C)特征D)部件6.[单选题]常用的的灰度内插法不包括()。
A)双线性内插法B)三次多项式C)最近邻元法7.[单选题]经自动标注工具处理后的图像样本状态包括已标注和（）？A)未标注B)未审核C)已标注D)无缺陷8.[单选题]在形状检测算法在检测圆柱面时,需要点云提供较为准确的()。
A)点云法向B)点云切向C)点云中心D)点云边缘9.[单选题]一副8位RGB的彩色图像中，(255，255，255)代表什么着色？A)红色B)白色C)黑色D)蓝色10.[单选题]一副照片在存放过程中出现了很多小的噪点,对其扫描件进行()操作去噪效果最好。
计算机视觉考试题库及答案
计算机视觉考试题库及答案计算机视觉是人工智能领域的重要分支，它致力于使计算机具备类似人类视觉系统的能力，从图像或视频中理解和解释信息。
随着计算机视觉的发展和应用日益广泛，许多机构和个人都对该领域的知识和技能进行考核。
为了帮助考生更好地准备和备考计算机视觉考试，本文将提供一份计算机视觉考试题库及答案，供学习和参考。
题目一：1. 请简要解释计算机视觉的定义和作用。
答案一：计算机视觉是一种模拟和复制人类视觉系统的技术与科学。
它利用计算机和相应的算法来获取、处理、分析和理解图像和视频数据，从而让计算机具备类似人类视觉系统的能力。
计算机视觉的作用包括目标检测与跟踪、图像识别与分类、场景理解与解释、三维重构与建模等。
题目二：2. 请列举计算机视觉中常用的图像处理技术，并简要说明其原理和应用场景。
答案二：（1）灰度变换：通过对图像的亮度进行变换，改变图像的对比度和亮度，常用的灰度变换包括直方图均衡化和伽马校正。
应用场景包括图像增强和色彩校正等。
（2）图像滤波：通过对图像进行空域或频域滤波，实现图像平滑或增强。
常用的图像滤波方法包括均值滤波、中值滤波和高斯滤波等。
应用场景包括图像去噪和边缘检测等。
（3）边缘检测：通过检测图像中的边缘和轮廓，获得图像的结构信息。
常用的边缘检测算法包括Sobel算子、Canny算子和Laplacian算子等。
应用场景包括目标检测和图像分割等。
（4）图像分割：将图像分成若干个具有独立意义的区域。
常用的图像分割算法包括阈值分割、基于区域的分割和基于边缘的分割等。
应用场景包括目标提取和图像分析等。
题目三：3. 请简要介绍计算机视觉中的机器学习方法，并说明其在物体识别中的应用。
答案三：计算机视觉中的机器学习方法包括监督学习、无监督学习和强化学习。
监督学习通过提供标记的训练样本来训练模型，从而实现对未知样本的判别和分类。
无监督学习通过从未标记数据中学习数据的统计特性和结构，进行数据聚类和降维等任务。
机器视觉复习题及答案2
1.什么是机器视觉技术？试论述其基本概念和目的。
器视觉技术最大的特点是速度快、信息量大、功能多。
目的：机器视觉是用机器代替人眼来完成观测和判断，常用于大批量生产过程汇总的产品质量检测，不适合人的危险环境和人眼视觉难以满足的场合。
机器视觉可以大大提高检测精度和速度，从而提高生产效率，并且可以避免人眼视觉检测所带来的偏差和误差。
2.机器视觉系统一般由哪几部分组成？试详细论述之。
（必考）答：机器视觉系统主要包括三大部分：图像获取、图像分析和处理、输出显示或控制。
图像获取：是将被检测物体的可视化图像和内在特征转换成能被计算机处理的一系列数据。
该部分主要包括，照明系统、图像聚焦光学系统、图像敏感元件（主要是CCD 和CMOS ）采集物体影像。
图像分析和处理：视觉信息的处理主要包括滤波去噪、图像增强、平滑、边缘锐化、分割、图像识别与理解等内容。
经过图像处理后，图像的质量得到提高，既改善了图像的视觉效果又便于计算机对图像进行分析、处理和识别。
输出显示或控制：主要是将分析结果输出到显示器或控制机构等输出设备。
3.试论述机器视觉技术的现状和发展前景。
（不考）答：机器视觉技术的现状：机器视觉是近20～30年出现的新技术，由于其固有的柔性好、非接触、快速等特点，在各个领域得到很广泛的应用，如航空航天、工业、军事、民用等等领域。
发展前景：随着光学传感器、信息技术、信号处理、人工智能、模式识别研究的不断深入和计算机性价比的不断提高，机器视觉技术越来越成熟，特别是市面上已经有针对机器视觉系统开发的企业提供配套的软硬件服务，相信越来越多的客户会选择机器视觉系统代替人力进行工作，既便于管理又节省了成本。
价格持续下降、功能逐渐增多、成品小型化、集成产品增多。
4.机器视觉技术在很多领域已得到广泛的应用。
请给出机器视觉技术应用的三个实例并叙述之。
答：○1在激光焊接中的应用，通过机器视觉系统，实时跟踪焊缝位置，实现实时控制，防止偏离焊缝，造成产品报废。
《计算机视觉》题集
《计算机视觉》题集大题一：选择题1.下列哪项不属于计算机视觉的基本任务？A. 图像分类B. 目标检测C. 语音识别D. 语义分割2.在卷积神经网络（CNN）中，以下哪项操作不是卷积层的主要功能？A. 局部感知B. 权重共享C. 池化D. 特征提取3.下列哪个模型在图像分类任务中首次超过了人类的识别能力？A. AlexNetB. VGGNetC. ResNetD. GoogleNet4.以下哪个算法常用于图像中的特征点检测？A. SIFTB. K-meansC. SVMD. AdaBoost5.在目标检测任务中，IoU （Intersection over Union）主要用于衡量什么？A. 检测框与真实框的重叠程度B. 模型的检测速度C. 模型的准确率D. 模型的召回率6.下列哪项技术可以用于提高模型的泛化能力，减少过拟合？A. 数据增强B. 增加模型复杂度C. 减少训练数据量D. 使用更大的学习率7.在深度学习中，批归一化 （Batch Normalization）的主要作用是什么？A. 加速模型训练B. 提高模型精度C. 减少模型参数D. 防止梯度消失8.下列哪个激活函数常用于解决梯度消失问题？A. SigmoidB. TanhC. ReLUD. Softmax9.在进行图像语义分割时，常用的评估指标是？A. 准确率B. 召回率C. mIoU（mean Intersection over Union）D. F1分数10.下列哪个不是深度学习框架？A. TensorFlowB. PyTorchC. OpenCVD. Keras大题二：填空题1.计算机视觉中的“三大任务”包括图像分类、目标检测和______。
2.在深度学习模型中，为了防止梯度爆炸，常采用的技术是______。
3.在卷积神经网络中，池化层的主要作用是进行______。
4.YOLO算法是一种流行的______算法。
5.在进行图像增强时，常用的技术包括旋转、缩放、______和翻转等。
机器视觉原理与应用考试试题及答案
机器视觉原理与应用考试试题及答案一、选择题1. 机器视觉是一门研究如何使计算机看到并理解图像的学科，其根本目标是：A. 实现图像的高分辨率显示B. 开发智能机器人C. 提升图像处理速度D. 实现图像识别与分析答案：D2. 在机器视觉中，图像分析的基本步骤包括以下哪些？A. 图像采集、图像预处理、特征提取B. 图像采集、特征提取、目标检测C. 图像采集、目标检测、图像预处理D. 图像采集、图像预处理、目标识别答案：A3. 以下哪种方法可以用于图像增强？A. 直方图均衡化B. 模糊滤波C. 形态学运算D. 模板匹配答案：A4. 在机器视觉中，常用的目标检测方法有以下哪些？A. 边缘检测、颜色分割、模板匹配B. 二值化、滤波、边缘检测C. Canny算子、Sobel算子、实验阈值法D. 形态学运算、模板匹配、颜色分割答案：D5. 机器视觉中的特征提取方法主要包括以下哪些？A. 边缘提取、颜色提取、纹理提取B. 直方图均衡化、边缘提取、模板匹配C. 形态学运算、滤波、颜色提取D. 二值化、颜色分割、纹理提取答案：A二、填空题1. 机器视觉是通过计算机对图像进行________，并从中提取有用信息进行分析和识别的一门技术。
答案：处理/分析2. 目标检测与目标识别的主要区别在于目标检测需要确定目标在图像中的________。
答案：位置3. 在图像增强中，直方图均衡化是一种通过对图像的________进行调整，增强图像对比度的方法。
答案：像素值4. 边缘检测常用的算子有Sobel算子和________算子。
答案：Canny5. 特征提取是指从图像中提取具有________的特征，用于进一步的分析和处理。
答案：区分度三、简答题1. 请简要说明机器视觉的应用领域，并列举其中的两个具体应用案例。
答：机器视觉广泛应用于工业自动化、安防监控、医疗影像等领域。
其中，工业自动化方面，机器视觉可应用于产品质量检测、机器人视觉引导等；安防监控方面，机器视觉可应用于人脸识别、行为分析等；医疗影像方面，机器视觉可应用于肿瘤检测、疾病诊断等。
2024 机器视觉试题与答案
2024 机器视觉试题与答案1. 问题：什么是机器视觉？答案：机器视觉是一种技术，利用计算机和相应的算法，使计算机可以获取、处理和解释图像或视频。
2. 问题：机器视觉在哪些领域有应用？答案：机器视觉广泛应用于许多领域，包括自动驾驶、工业自动化、医疗诊断、安全监控等。
3. 问题：请简要描述机器视觉的工作原理。
答案：机器视觉的工作原理主要包括图像采集、图像预处理、特征提取和分类识别。
图像首先被采集，并进行预处理以去除噪声和增强图像质量。
然后，通过特征提取算法提取图像的特征，最后利用分类识别算法将图像分类为不同的目标或对象。
4. 问题：什么是图像采集？答案：图像采集是指通过摄像机或其他图像传感器来获取现实世界中的图像或视频，并将其转换为数字信号，以供计算机处理。
5. 问题：图像预处理的目的是什么？答案：图像预处理的目的是对采集到的图像进行处理，以去除噪声、增强对比度和颜色，并使图像适合后续的特征提取和分类识别算法的处理。
6. 问题：特征提取的作用是什么？答案：特征提取是将图像中与所关注的目标或对象相关的信息提取出来，并将其表示成计算机可以理解和处理的形式。
这些特征可以是颜色、形状、纹理等。
7. 问题：分类识别算法是如何将图像分类为不同的目标或对象的？答案：分类识别算法利用之前学习得到的模型和特征，对输入的图像进行分类预测。
这些算法可以是传统的机器学习算法，如支持向量机(SVM)、k最近邻(k-NN)等，也可以是深度学习算法，如卷积神经网络(CNN)等。
8. 问题：机器视觉中常用的评估指标有哪些？答案：机器视觉中常用的评估指标包括准确率、召回率、精确率、F1分数等。
这些指标用于评估分类算法对图像分类的准确性和性能。
9. 问题：机器视觉在自动驾驶中的应用有哪些？答案：机器视觉在自动驾驶中可以用于道路检测、车辆检测和识别、交通标志识别等任务，以帮助车辆实现自主导航和智能驾驶。
10. 问题：机器视觉技术的发展趋势是什么？答案：机器视觉技术的发展趋势包括更高的准确率和鲁棒性、更快的处理速度、更小的硬件成本、更广泛的应用领域等。
机器视觉技术与应用练习题
机器视觉技术与应用练习题一、单选题1、以下哪项不是机器视觉系统的组成部分？（）A 光源B 图像采集卡C 计算机主机D 打印机2、机器视觉中，常用的图像预处理方法不包括（）A 灰度变换B 图像平滑C 图像分割D 图像增强3、在机器视觉测量中，以下哪种测量方法精度最高？（）A 基于边缘检测的测量B 基于模板匹配的测量C 基于立体视觉的测量D 基于区域生长的测量4、机器视觉应用中，用于检测产品表面缺陷的常用算法是（）A 霍夫变换B 阈值分割C 形态学处理D 特征提取5、以下哪种工业相机接口传输速度最快？（）A USB B IEEE1394C GigED Camera Link二、多选题1、机器视觉系统的光源类型包括（）A 环形光源B 条形光源C 面光源D 点光源2、机器视觉中的特征提取方法有（）A 形状特征B 纹理特征C 颜色特征D 空间关系特征3、以下哪些是机器视觉在工业生产中的应用？（）A 零件尺寸检测B 产品外观缺陷检测C 自动化装配D 机器人导航4、影响机器视觉系统精度的因素有（）A 相机分辨率B 镜头畸变C 环境光照D 图像处理算法5、机器视觉系统的性能指标包括（）A 分辨率B 帧率C 景深D 视场三、判断题1、机器视觉系统只能用于工业检测，不能用于医疗领域。
（）2、图像分辨率越高，机器视觉系统的性能越好。
（）3、机器视觉中的阈值分割算法只能用于二值图像分割。
（）4、光源的选择对机器视觉系统的性能没有影响。
（）5、机器视觉系统中的镜头焦距越大，视场角越小。
（）四、简答题1、简述机器视觉技术的工作原理。
答：机器视觉技术是通过使用工业相机或其他图像采集设备获取目标物体的图像，然后将图像传输到计算机中进行处理和分析。
计算机利用图像处理算法对图像进行预处理、特征提取、目标识别和测量等操作，最终得出关于目标物体的相关信息，如尺寸、形状、位置、缺陷等。
2、列举机器视觉在农业领域的应用。
答：在农业领域，机器视觉可用于农产品的品质检测和分级，如水果的大小、形状、颜色、表面缺陷等的检测和分类；还能用于农作物生长监测，通过对农作物的图像分析，了解其生长状况、病虫害情况等；此外，在农业自动化方面，机器视觉可辅助农业机器人进行精准播种、施肥、采摘等操作。
《计算机视觉》期末考试试卷附答案
《计算机视觉》期末考试试卷附答案一、选择题（每题2分，共计20分）1. 计算机视觉的主要任务不包括以下哪项？A. 图像分类B. 目标检测C. 图像增强D. 图像分割{答案：C}2. 以下哪个不是卷积神经网络（CNN）的主要优点？A. 参数共享B. 局部感知野C. 需要大量标注数据D. 层次化特征提取{答案：C}3. 以下哪种损失函数常用于图像分类任务？A. softmax损失函数B. 交叉熵损失函数C. 均方误差损失函数D. hinge损失函数{答案：A}4. 在目标检测中，R-CNN系列算法主要包括以下哪些步骤？A. 区域提议网络B. 卷积神经网络特征提取C. 分类与边界框回归D. 非极大值抑制{答案：ABCD}5. 以下哪个是最常见的图像增强方法？A. 随机裁剪B. 直方图均衡化C. 对比度增强D. 数据扩充{答案：B}二、填空题（每题2分，共计20分）1. 在卷积神经网络中，卷积层的主要作用是______。
{答案：局部感知、参数共享、特征提取}2. 支持向量机（SVM）的核心思想是______。
{答案：找到一个最优的超平面，最大化不同类别之间的边界} 3. 目标检测中的实时性要求较高的算法有______。
{答案：YOLO、SSD、Faster R-CNN}4. 图像分割的主要任务是将图像划分为若干个______。
{答案：区域或像素块，具有相似的特征}5. 在深度学习框架TensorFlow中，创建一个全连接层可以使用______。
{答案：yers.dense}三、简答题（每题10分，共计30分）1. 请简要描述卷积神经网络（CNN）的工作原理及主要优点。
{答案：卷积神经网络是一种特殊的神经网络，它通过卷积层、池化层和全连接层进行特征提取和分类。
主要优点包括参数共享、局部感知、层次化特征提取等。
}2. 请简要介绍目标检测的主要任务、方法和挑战。
{答案：目标检测的主要任务是在图像中定位和识别物体。
机器视觉试题及答案
机器视觉试题及答案一、选择题1. 机器视觉系统的主要功能是什么？A. 识别物体B. 测量物体尺寸C. 定位物体D. 所有以上选项答案：D2. 以下哪个不是机器视觉系统中的光源类型？A. 卤素灯B. 氙灯C. LED灯D. 荧光灯答案：B3. 在机器视觉中，边缘检测算法的作用是什么？A. 确定物体的边界B. 识别物体的颜色C. 测量物体的表面粗糙度D. 计算物体的面积答案：A二、简答题1. 描述机器视觉系统中相机的分辨率对图像质量的影响。
分辨率是衡量相机图像质量的关键参数之一。
高分辨率的相机能够捕捉到更多的图像细节，提供更清晰的图像。
在机器视觉系统中，高分辨率有助于更准确地识别和测量物体，尤其是在需要高精度检测的应用场景中。
2. 解释什么是机器视觉中的图像预处理，以及它的重要性。
图像预处理是机器视觉系统中的一个关键步骤，它涉及对原始图像数据进行一系列操作，以改善图像质量，增强特征，或将图像转换为更适合后续处理的形式。
预处理的目的是去除图像中的噪声，校正光照不均，增强边缘等，以便提高后续图像分析算法的性能和准确性。
三、计算题1. 如果一个机器视觉系统使用了一个分辨率为1920x1080像素的相机，并且物体的实际尺寸为100mm x 50mm，计算相机的视场大小（Fieldof View, FOV）。
假设相机的焦距为f，视场大小可以通过以下公式计算：FOV_x = (实际尺寸_x * 焦距) / 分辨率_xFOV_y = (实际尺寸_y * 焦距) / 分辨率_y由于题目中没有给出焦距，我们无法直接计算出视场大小。
但是，如果知道焦距，就可以使用上述公式计算出FOV_x和FOV_y。
四、案例分析题1. 描述一个机器视觉系统在自动化装配线中的应用案例，并解释其工作原理。
在自动化装配线中，机器视觉系统常用于确保组件的正确放置和装配。
例如，在一个电子设备装配线上，机器视觉系统可以检查电路板上的元件是否正确放置，是否有缺失或错误放置的元件。
计算机视觉考试试题及答案精选全文完整版
可编辑修改精选全文完整版计算机视觉考试试题及答案一、选择题1. 下列哪个不是计算机视觉的应用领域？A. 人脸识别B. 增强现实C. 虚拟现实D. 股票交易答案：D2. 计算机视觉是指计算机模拟人类的视觉系统进行图像处理和分析的技术。
A. 正确B. 错误答案：A3. 以下哪个不是计算机视觉主要研究的内容？A. 图像处理B. 物体识别C. 机器学习D. 运动跟踪答案：C4. 下列哪个不是计算机视觉处理图像时常用的方法？A. 边缘检测B. 目标跟踪C. 直方图均衡化D. 推理机制答案：D5. 下列哪个不是计算机视觉中常用的特征描述方法？A. 尺度不变特征变换（SIFT）B. 高斯金字塔C. 主成分分析（PCA）D. 平均池化答案：D二、填空题1. 计算机视觉与人工智能、机器学习和模式识别等领域有着密切的______。
答案：关联2. 机器学习在计算机视觉中的应用非常广泛，常用的算法包括支持向量机、______网络和决策树等。
答案：神经3. 图像边缘是指像素灰度发生突变的______。
答案：位置4. 目标跟踪是计算机视觉中的一个重要研究方向，常见的目标跟踪方法包括模板匹配、______跟踪和粒子滤波等。
答案：卡尔曼三、简答题1. 请简要解释计算机视觉中的图像处理是指什么？答：图像处理是计算机视觉中的一个基础部分，它用于对图像进行增强、滤波、几何变换等操作，以提取图像中的有用信息或改善图像的质量。
常见的图像处理方法包括边缘检测、图像平滑、直方图均衡化等。
2. 请简要描述一种常用的目标检测方法。
答：一种常用的目标检测方法是基于深度学习的卷积神经网络（CNN）。
该方法通过训练神经网络，使其能够自动学习目标的特征，并用于检测图像中是否存在目标。
通常，CNN首先通过卷积层提取图像的特征，然后通过池化层降低特征的维度，最后使用全连接层输出目标的概率或位置。
通过大量的训练样本和迭代训练，CNN可以达到较高的目标检测准确率。
2024 机器视觉试卷与答案
2024 机器视觉试卷与答案题 1：图像分割如下图所示：a) 使用阈值分割方法对上述图像进行处理，请给出最佳的阈值分割结果，并说明你的选择原因。
b) 使用边缘检测方法对上述图像进行处理，请给出最佳的边缘检测结果，并说明你的选择原因。
c) 基于图像分割结果，使用区域生长算法对上述图像进行处理，请给出最终的图像分割结果。
答案：a) 最佳的阈值分割结果为： 我选择阈值为150的原因是通过观察原始图像，发现目标物体（圆形）的像素值大部分都在该阈值以上。
b) 最佳的边缘检测结果为： 我选择边缘检测算法Sobel算子的原因是该算子能够较好地捕捉到图像中的边缘信息。
c) 基于图像分割结果，使用区域生长算法得到的最终图像分割结果为： 区域生长算法根据像素的相似性将相邻的像素合并为一个区域，从而得到了最终的图像分割结果。
题 2：特征提取与描述下图为一幅含有多个物体的图像，请回答以下问题：a) 请说明使用SIFT算法进行特征提取的步骤，并给出提取到的关键点的数量。
b) 使用SURF算法对上述图像进行特征提取，请给出提取到的关键点的数量。
c) 选择一种合适的特征描述子，并对提取到的关键点进行描述。
答案：a) SIFT算法的特征提取步骤包括：- 尺度空间极值点检测：在不同尺度下，通过高斯差分金字塔寻找图像的极值点。
- 关键点定位：对极值点进行精确定位，通过拟合尺度空间中的极值点，确定特征点的位置和尺度。
- 方向分配：为每一个关键点指定主方向，提高特征的旋转不变性。
- 描述子生成：根据关键点周围的梯度方向，生成128维的描述子向量。
提取到的关键点数量为30个。
b) SURF算法的特征提取步骤包括：- 尺度空间构建：采用Hessian矩阵的行列式来检测尺度空间中的局部极值点。
机器视觉与边缘计算应用_复旦大学中国大学mooc课后章节答案期末考试题库2023年
机器视觉与边缘计算应用_复旦大学中国大学mooc课后章节答案期末考试题库2023年1.关于OpenVINO，正确的说法是哪个？答案:OpenVINO主要用于模型推断过程优化2.关于模型优化的理解，正确的说法是哪个？答案:mo_tf.py对应的是对Tensorflow模型的优化3.关于模型优化的介绍，正确的说法是？答案:模型优化mo_tf.py输入模型格式可以为PB格式4.关于模型优化结果的叙述中，正确的说法是？答案:XML文件中定义了模型的输入样本的批大小5.下面关于OpenVINO的描述中，正确的说法是哪个？答案:OpenVINO除支持C++外，还支持Python语言接口6.下面关于OpenVINO工具包的描述中，错误的说法是哪个？答案:OpenVINO工具包支持从2010年后生成的CPU型号7.下面关于OpenVINO对硬件的要求说明中，错误的说法是哪个？答案:OpenVINO不支持Linux操作系统8.下面关于深度学习部署工具包（DLDT）的描述中，错误的说法是哪个？答案:对Intel的CPU型号没有要求9.下面关于OpenVINO支持平台的说法中，错误的说法是哪个？答案:OpenVINO对CPU的支持是从第3代开始10.下面关于OpenVINO项目开发流程的说明中，正确的说法是哪个？答案:OpenVINO中可使用异步操作进行加速推理速度11.下面关于推理引擎的描述中，正确的说法是哪个？答案:对OpenCV图像处理库进行指令集优化，显著提升性能12.下面关于推理引擎支持设备说明中，错误的说法是哪个？答案:异构插件(HETERO)是动态检查各计算设备的利用率13.下面关于OpenVX开发叙述中，错误的说法是哪个？答案:OpenVX的主要缺点是可扩展性较弱14.下面关于BP神经网络的说法中，错误的说法是哪个？答案:BP神经网络利用激活函数来实现从输出到输入的非线性映射15.下面关于BP神经网络的训练的说法中，正确的说法是哪个？答案:训练过程中权值参数的运算量很大，一般采用梯度下降法16.下面关于激活函数的描述中，正确的说法是哪个？答案:Sigmoid函数的导数是非零的，很容易计算17.下面关于损失函数的描述中，错误的说法是哪个？答案:损失函数的结果数值相对比较大说明模型的拟合能力更强18.下面关于损失函数的描述中，错误的说法是哪个？答案:损失函数的结果数值相对比较大说明模型的拟合能力更强19.下面关于学习率的描述中，正确的说法是哪个？答案:过高的学习值会使损失值不降反升20.下面关于卷积神经网络相关描述中，正确的说法是哪个？答案:Padding时各方向的填充不一定对称21.下面关于过拟合的描述中，错误的说法是哪个？答案:训练过程中的损失值越小，其在存过拟合的风险越低22.下面关于目标检测的说法中，错误的说法是哪个？答案:目标检测对准确率要求更高，但是对检测耗时要求较低23.下面关于目标检测的基本概念描述中，正确的说法是哪个？答案:IoU交并比主要是验证了目标检测的准确度24.下面关于目标检测RCNN算法的描述中，错误的说法是哪个？答案:RCNN采用SVM对候选框进行位置预测25.下面关于YOLO算法的描述中，正确的说法是哪个？答案:YOLO采用网格化图像，每个网格都预测类别及其概率26.面关于Faster RCNN算法的描述中，正确的说法是哪个？答案:Faster RCNN使用一个卷积实现分类和位置微调27.下面有关批归一化BN（batch normalization）的说法，错误的是哪个？答案:BN一般位于隐层神经元的激活函数输出之后28.对于YOLO v1算法，网络的输出维度是多少（假设每张图划分为7*7网格，每个网格预测2个边框，识别的物体类别有30个）？答案:7*7*4029.下面关于CNN的描述中，错误的说法是哪个？答案:卷积是指对图像的窗口数据和滤波矩阵做内积的操作，在训练过程中滤波矩阵的大小和值不变30.关于深度学习模型训练，以下哪个说法是错误的？答案:网中网（NIN）结构用全连接的多层感知机去代替传统的卷积，提升了模型的计算性能，但计算量显著增加31.OpenVINO工具套件提供了许多Demo和示例供开发者进行初步学习，这些示例使用的开发语言有？答案:C++和Python32.下面关于OpenVINO的说法错误的是？答案:OpenVINO并不包含图片处理工具包OpenCV，视频处理工具包Media SDK，需要另行安装。
机器视觉期末考试
1.机器视觉的技术范围技术层次：底层基础元件和材料、图像和视觉核心算法、视觉硬件和系统（含照明）、软件开发环境系统流程：取像 =》分析 =》结果输出部件与系统软：硬件：照明、光学元件、镜头、相机、图像采集卡、工具软件、智能相机相关技术：运动控制、机器人、通讯2. 镜头基本概念视野 (FOV)图像采集设备所能够覆盖的范围，它可以是在监视器上可以见到的范围，也可以使设备所输出的数字图像所能覆盖的最大范围。
最大/最小工作距离（Work Distance）从物镜到被检测物体的距离的范围，小于最小工作距离大于最大工作距离系统均不能正确成像。
景深（Depth Of Field）在某个调焦位置上，景深内的物体都可以清晰成像。
畸变几何畸变指的是由于镜头方面的原因导致的图像范围内不同位置上的放大率存在的差异。
几何畸变主要包括径向畸变和切向畸变。
如枕形或桶形失真。
成像面可以在镜头的像面上清晰成像的物方平面光圈与F值光圈是一个用来控制镜头通光量装置，它通常是在镜头内。
表达光圈大小我们是用F值，如f1.4，f2，f2.8 etc。
焦距焦距是像方主面到像方焦点的距离。
如16mm， 25mm分辨率测量系统能够重现的最小的细节的尺寸常常用每毫米线对来表示，也就是根据这个镜头能够分辨一毫米内多少对直线。
选择镜头的时候必须注意厂商给出的分辨率的定义方式。
3. 镜头的分类按照等效焦距分为广角镜头等效焦距小于标准镜头（等效焦距为50mm）的镜头。
特点是最小工作距离短，景深大，视角大。
常常表现为桶形畸变。
中焦距镜头焦距介于广角镜头和长焦镜头之间的镜头。
通常情况下畸变校正较好。
长焦距镜头等效焦距超过200mm的镜头。
工作距离长，放大比大，畸变常常表现为枕形状畸变。
按照功能分变焦距镜头镜头的焦距可以调节，镜头的视角，视野可变定焦距镜头镜头的焦距不能调节，镜头视角固定。
聚焦位置和光圈可以调节定光圈镜头光圈不能调节，通常情况下聚焦也不能调节按照用途分微距镜头（或者成为显微镜头）用于拍摄较小的目标具有很大的放大比远心镜头包括物方远心镜头和像方远心镜头以及双边远心镜头。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
一、单选题1、关于OpenVINO，正确的说法是哪个？A.OpenVINO主要用于模型推断过程优化B.OpenVINO主要用于模型训练过程优化C.模型训练过程越长，在OpenVINO的推断过程就会越慢D.模型训练过程越短，在OpenVINO的推断过程就会越慢正确答案：A2、关于模型优化的理解，正确的说法是哪个？A.mo_tf.py对应的是对MXNet模型的优化B.其他说法都正确C.mo_tf.py对应的是对PyTorch的模型优化D.mo_tf.py对应的是对Tensorflow模型的优化正确答案：D3、关于模型优化结果的叙述中，正确的说法是？A.XML文件中定义了模型的存放路径B.XML文件中定义了模型的输入样本文件大小C.ML文件中定义了模型的运行时间D.XML文件中定义了模型的输入样本的批大小正确答案：D4、下面关于模型优化结果的说法中，正确的说法是哪个？A.模型优化后的mapping文件中定义了模型的meta_data信息B.模型优化后的mapping文件定义了模型转化前后各层的对应关系C.模型优化后的mapping文件中定义了模型输入层批大小D.模型优化后的bin文件可以再次进行编辑和修改正确答案：B5、下面关于OpenVINO的描述中，正确的说法是哪个？A.OpenVINO对模型训练具有显著性能提升B. OpenVINO除支持C++外，还支持Python语言接口C.OpenVINO在使用前需要经过Intel官方购买并授权D.经过OpenVINO的模型优化可以提升模型准确率正确答案：B6、下面关于OpenVINO工具包的描述中，错误的说法是哪个？A.OpenVINO工具包支持从2010年后生成的CPU型号B.OpenVINO是Intel发布的，并且支持开源和商用免费C.针对计算机视觉标准的优化调用，包括OpenCV、OpenCL和OpenVXD.OpenVINO工具包支持在边缘启用深度学习推理正确答案：A7、下面关于OpenVINO对硬件的要求说明中，错误的说法是哪个？A. OpenVINO不支持Linux操作系统B.OpenVINO支持Python3.6C.OpenVINO支持Microsoft Visual Studio C++ 2019D.OpenVINO对硬件要求Intel六代及以后酷睿(CoreTM)正确答案：A8、下面关于深度学习部署工具包（DLDT）的描述中，错误的说法是哪个？A.对Intel的CPU型号没有要求B.支持流行的框架，例如Caffe、TensorFlow、MXNet、Kaldi 和ONNX 等C.基于统一API，对多硬件类型进行高性能推断D.它是跨平台命令行工具，用于转换和优化模型正确答案：A9、下面关于OpenVINO支持平台的说法中，错误的说法是哪个？A.OpenVINO支持Linux操作系统B.OpenVINO支持Windows操作系统C.OpenVINO支持Ubuntu和macOS操作系统D.OpenVINO对CPU的支持是从第3代开始正确答案：D10、下面关于OpenVINO支持硬件的说法中，错误的说法是哪个？A.在FPGA硬件下，要求OpenCV运行在CPU或GPU上B.在VPU硬件下，不支持macOS操作系统C.在VPU硬件下，支持神经网络计算棒D.在FPGA硬件下，支持CentOS 7.4 64位正确答案：B11、下面关于推理引擎的描述中，正确的说法是哪个？A.推理引擎使用插件架构，每个插件的API各不相同。
B.对OpenCV图像处理库进行指令集优化，显著提升性能C.推理引擎(Inference Engine)支持硬件指令集模型加速，然后进入模型优化环节D.推理引擎将给定的模型转化为标准的Intermediate Representation (IR)正确答案：B12、下面关于推理引擎支持设备说明中，错误的说法是哪个？A.异构插件是协同不同类型的计算资源B.异构插件(HETERO)实现用多个硬件各自分担一部分推理任务C.多设备插件(MULTI)来实现多个硬件自动并行计算多个神经网络D.异构插件(HETERO)是动态检查各计算设备的利用率正确答案：D13、下面关于OpenVX开发叙述中，错误的说法是哪个？A.面向GPU支持时，由优化的OpenCL实现提供支持B.OpenVX的主要缺点是可扩展性较弱C.OpenVX实现提供CPU内核多线程D.OpenVX同时支持任务和数据并行性正确答案：B14、下面关于神经元感知器的描述中，错误的说法是哪个？A.神经元感知器接收的n个输入对应n个偏置值B.神经元感知器可以接收n个输入，对应n个权重值C.神经元感知器是一种简单的前馈式神经网络D.神经元感知器经过激活函数变换后输出结果正确答案：A15、下面关于BP神经网络的说法中，错误的说法是哪个？A.BP神经网络利用激活函数来实现从输出到输入的非线性映射B.BP神经网络模型拓扑结构包括输入层、隐层和输出层C.BP神经网络是前馈神经网络D.BP神经网络的参数权重值是由反向传播学习算法进行调整的正确答案：A16、下面关于激活函数的描述中，正确的说法是哪个？A.Sigmoid函数的导数是非零的，很容易计算B.激活函数需要具有线性可微的特点C.Sigmoid函数的输出值域是对称的D.ReLU函数主要缺点是相比于Sigmoid、Tanh函数其计算低效正确答案：A17、下面关于损失函数的描述中，错误的说法是哪个？A.交叉熵损失函数的用途主要应用在互相排斥的分类任务中B.使用Softmax函数的好处是可以使分类问题的预测结果更加明显C.损失函数的结果数值相对比较大说明模型的拟合能力更强D.均方误差损失函数主要用于数值预测正确答案：C18、下面关于学习率的描述中，正确的说法是哪个？A.固定学习率比Adam自动调整学习率更快训练完成B.过高的学习值会使损失值不降反升C.学习率控制每次更新参数的幅度,学习率越大模型准确率越高D.学习率对模型训练时长有影响，对模型性能没有影响正确答案：B19、下面关于卷积神经网络相关描述中，正确的说法是哪个？A. Padding时各方向的填充不一定对称B.卷积中的通道数量只能是1或3C.池化核大小与步长相等D.卷积核越小，卷积后的结果越抽象正确答案：A20、下面关于过拟合的描述中，错误的说法是哪个？A.为了防止过拟合可以使用DropoutB.训练过程中的损失值越小，其在存过拟合的风险越低C.为了防止过拟合可以使用L1或L2正则化D.为了防止过拟合可以使用提前终止训练的方法正确答案：B21、下面关于目标检测的说法中，错误的说法是哪个？A.目标检测是将目标从图像中提取出来B.目标检测算法主要采用卷积算法C.滑动窗口区域选择策略时间复杂度高，窗口冗余太多D.目标检测对准确率要求更高，但是对检测耗时要求较低正确答案：D22、下面关于目标检测的基本概念描述中，正确的说法是哪个？A.候选框数量越多，目标检测的性能越强，耗时越短B.非极大抑制（NMS）主要是提高模型检测的效率C.IoU的值越小，表示物体预测越准确D. IoU交并比主要是验证了目标检测的准确度正确答案：D23、下面关于目标检测RCNN算法的描述中，错误的说法是哪个？A.RCNN采用SVM对候选框进行位置预测B.RCNN把所有侯选框缩放成固定大小C.RCNN结合NMS（非极大值抑制）获得区域边框（BBox）D.RCNN生成大约2k个候选框正确答案：A24、下面关于YOLO算法的描述中，正确的说法是哪个？A. YOLO通过选择性搜索来减少候选框耗时B.YOLO采用NMS实现物体类别的过滤，提高性能C.YOLO采用网格化图像，每个网格都预测类别及其概率D.YOLO采用整张图作为网络输入，耗时更长正确答案：C25、面关于Faster RCNN算法的描述中，正确的说法是哪个？A.Faster RCNN使用SVM进行目标类别分类B.Faster RCNN的损失函数与RCNN相同，位置损失函数采用交叉熵C.Faster RCNN主要是采用选择性搜索实现候选框提取D.Faster RCNN使用一个卷积实现分类和位置微调正确答案：D26、下面关于MobileNet算法的描述中，错误的说法是哪个？A.Pointwise将不同组的特征进行融合B.MobileNet采用组卷积操作提高速度C.MobileNet核心是将卷积拆分为Depthwise+Pointwise两部分D.MobileNet中Pointwise采用了组卷积技术获得特征正确答案：D27、下面有关批归一化BN（batch normalization）的说法，错误的是哪个？A.BN可以减少每个隐层神经元梯度的变化幅度B.BN主要解决深度神经网络各层输入的分布一致，增加训练过程的平衡C.BN起到了减少过拟合的作用D.BN一般位于隐层神经元的激活函数输出之后正确答案：D28、对于YOLO v1算法，网络的输出维度是多少（假设每张图划分为7*7网格，每个网格预测2个边框，识别的物体类别有30个）？A.7*7*42B.7*7*30C.7*7*40D.7*7*32正确答案：C29、下面关于CNN的描述中，错误的说法是哪个？A.局部感知使网络可以提取图像的局部特征，而权值共享大大降低了网络的训练难度B.通道数量越多，获得的特征图（Feature map）就越多C.SAME填充和VALID填充的主要区别是前者向图像边缘添加0值，而后者可能会忽略来自图像边缘的值D.卷积是指对图像的窗口数据和滤波矩阵做内积的操作，在训练过程中滤波矩阵的大小和值不变正确答案：D30、关于神经网络的相关概念，哪个说法是正确的？A.随机梯度下降（SGD）每次更新只随机取一个样本，按照固定学习率计算梯度，所以速度较快B.RMSProp学习率调整策略引入累积梯度的概念，从而解决学习率过早趋向于0而结束训练C.ReLU函数中所有负值均被截断为结果0，从而导致特征丢失，可适当调高学习率避免此类情况D.对激活函数的输出结果进行范围限定，有助于梯度平稳下降，而ReLU输出范围无限的函数会导致梯度消失问题正确答案：A31、关于深度学习模型训练，以下哪个说法是错误的？A.网中网（NIN）结构用全连接的多层感知机去代替传统的卷积，提升了模型的计算性能，但计算量显著增加B.VGG只要很少的迭代次数就会收敛，这是因为小的过滤尺寸起到了隐式的正则化的作用C.Bagging中每个训练集互不相关，而Boosting中训练集要在上一轮的结果上进行调整，所以不能并行计算D.网络层数越多，学习率可设置偏大，否则容易引起梯度消失正确答案：A32、下面关于深层网络模型的介绍中，哪个说法是正确的？A.空间金字塔池化（SPP）通过把图像的卷积特征转化成相同维度的特征向量，使模型可以处理任意尺寸的图像B.批规范化（batch normalization）是在不引入新参数的情况下保证每一层网络的输入具有相同的分布C.ResNet通过增加恒等映射，增加参数从而减少模型优化的难度，实现性能提升D.在卷积神经网络中，采用平均池化可减小误差，适用于需要突出纹理等特征的场景中正确答案：A33、OpenVINO工具套件提供了许多Demo和示例供开发者进行初步学习，这些示例使用的开发语言有？A.C++和PythonB.只有C++C.BasicD.只有Python正确答案：A34、视频演示中读入的模型文件是什么格式？A.h5 和xml 文件B.bin 文件C.xml 文件D.h5 文件正确答案：C35、在OpenVINO工具套件中，主要用于推理加速神经网络模型的模块是？A.Intel Media SDKB.Deep learning Deployment toolkitC.OpenCVD.以上都是正确答案：B36、下面关于OpenVINO的说法错误的是？A.OpenVINO提供了深度学习推理套件（DLDT)，该套件可以将各种开源框架训练好的模型进行线上部署。