图像分类就是根据对象在图像信息中所反映的不同（），将不同类别的对象区分开来。
颜色
特征
形状
大小
机器进行图像分类时，需要提前准备不同类别的很多图片让机器来（）
学习、认识
存储、删除
编辑、修改
复制、粘贴
智能视频分析利用图像分类技术，去除视频中的（），识别出真正的目标。
有用物体
所有物体
干扰物体
目标物体
人类分类图像的步骤可粗略分为（）和选取特征进行分类两步。
保存图像
编辑图像
复制图像
观察特征
计算机看见的是一串图像数据，需要借助特定的（），才能从中找到数据变化的规律。
颜色
算法
文字
形状
计算机分类图像的过程依次是（）。
输入训练集、进行图像分类、训练图像分类模型
训练图像分类模型、输入训练集、进行图像分类
输入训练集、训练图像分类模型、进行图像分类
进行图像分类、输入训练集、训练图像分类模型
图像分类在生活中的应用包括以下哪些？（ ）
智能视频分析，监测危险地区和管制物品
交通场景识别，检测车辆违规行为
相册自动归类，方便查找图片
以上都是
以下不属于图像分类面临的挑战是（ ）
分类目标的完整度
类别内的差异性
计算机的运算速度
图片质量问题，如光照、背景、模糊等
计算机图像分类凭借它（）的优势，应用于人们日常生活的方方面面。
分类速度快、准确度高
分类速度慢、准确度低
分类速度快、准确度低
分类速度慢、准确度高
对未分类的图像进行图像分类时，需要先加载（）。
新的图片
训练好的图像分类模型
文字说明
视频文件
图像分类技术在交通场景识别中，会对路口车辆拥堵情况、（）等进行检测识别。
车辆颜色
闯红灯
车辆品牌
司机性别
同一类别的椅子，有太师椅、转椅、折叠椅等不同形态，这体现了图像分类的什么挑战？（）
图片质量
分类目标完整度
类别内的差异性
分类速度
人脸识别时，帽子挡住了眼睛导致识别不出人脸，体现了图像分类的哪项挑战？（）
图片质量问题
分类目标完整度问题
类别内差异性问题
以上都不是
供机器进行学习，贴有相同标签的图片统称（）。
测试集
验证集
训练集
图像集
机器进行图像分类不需要提前准备图片让机器学习、认识。
手机相册自动归类没有运用图像分类技术。（）
计算机图像分类的准确度不高，不如人类分类准确。（）
计算机看见的是一串图像数据，不需要借助特定算法，就能从中找到数据变化的规律。（）
人类分类图像的步骤可粗略分为观察特征和选取特征进行分类两步，计算机分类图像过程与之完全相同。
人们在杂志上看到心仪的衣服，想上网购买类似衣服时，购物网站的识图功能运用了图像分类技术，能快速找到具有相似特征的衣服。（）
机器进行分类之前，不需要人为输入足够数量图片并贴标签，可直接训练分类模型
计算机分类图像时，是先进行图像分类，再输入训练集和训练图像分类模型。
计算机视角下，放大的图片是由一个个小格子组成，每个小格子是（），代表相应的像素数据。
色块
线条
文字
图形
计算机视角下，图片放大后是由一个个小格子组成，每个小格子是色块，每个色块代表相应的像素数据，计算机能看懂这些数据
训练集不需要贴标签，机器可自行学习图像类别。（）
训练集的作用是（）
让机器学习，识别图像类别
测试机器分类的准确度
对机器分类结果进行验证
以上都不是