云南初中计算机考试试题,云南省初中学业水平考试信息技术复习+练习题

云南省初中学业水平考试信息技术复习+练习题

信息技术基础

知识归纳 一、信息

1、信息无处不在,它遍布于自然界、人类社会的各个领域。

2、定义:信息是反映一切事物属性及动态的消息、情报、指令、数据和信号中所包含的内容。 3、信息的表现形式是:声音、语言、文字、图形图像、视频、符号等。 4、承载信息的工具是信息的载体,比如,纸张、收音机等 5、物质、能量、信息是构成世界的三大要素。

二、信息的基本特征:载体依附性、传递性、共享性、时效性、可伪性、价值性等。

1、 信息具有载体依附性

①信息是不可能独立存在的,必须依附于某种载体。

例如:交通标志依附于路牌,以符号表现信息;报纸依附于纸张,以文字表现信息;广播、电视依附于 电磁波,以声音、视频表现信息。 ②同一个信息可以依附于不同的载体。

例如:起床的信息既可以通过闹钟的铃声,也可以通过别人叫醒。文字信息既可以印刷在纸张上,也可以刻在石碑上,还可以记录在计算机的外存储器中。

由于信息的载体依附性、使得信息还具有可存储性、可传递、可转换性。 2、信息具有共享性

信息可被多次重复使用,不会损耗和消失。

例如:奥运会的比赛直播,使得全球可以同时接收该直播信息,了解比赛情况。

3、信息具有时效性

信息往往反映的只是事物某一特定时刻的状态,会随着时间的推移而变化。 例如:天气预报、交通地图、兑奖发票、股票等都有很强的时效性。

4、信息的价值相对性

对不同的信息接收者,信息的价值是不同的,这与信息接收者的需求密切相关,也于信息接收者的素质有关。

例如:对于一个准备到外地的旅游者来说,旅游目的地的各种信息,如旅游资源、气象等对他们来说非常重要;而对于一

个只在本地居住的人来说,外地的气象信息可能根本没有用。

5、信息有可伪性

信息的可伪性提醒我们,要注意信息的来源和信息的筛选,要有效防止信息污染。

例如:夸大或虚假广告,再如生活中有时会遇到一句话经过多人传递后就改变了其中的意思,甚至面目全非。 三、信息处理的一般步骤和过程包括信息的获取、加工、存储、传递和利用五个环节。

四、信息技术(Information Technology,简称IT)。凡是与信息技术的获取、加工、存储、传递和利用等有关的技术都可以称为信息技术。

五、信息技术的四大基础技术是:计算机技术(核心技术)、通信技术、微电子技术和感测技术,其中现代信息技术包括计算机技术和通信技术。

1-129-jpg_6_0_______-635-0-0-635.jpg

七.八、信息技术的功能: 辅人功能; 开发功能; 协同功能; 增效功能; 先导功能。 九、信息技术对生活的影响 1、积极地影响表现有:

改善教育:例如:多媒体教学、远程教育等; 电子商务:例如:网上购物、电子银行等; 远程医疗

交流便捷:例如:电话、手机、小灵通、电子邮件、BBS网络论坛、即时通信(QQ、MSN)等; <2>负面影响的主要表现有:

1、影响思想道德观念取向;2、影响现实的人际交往;3、影响身心健康成长 十、合理使用信息技术

1、加强自身道德修养,努力提高自身明辨是非以及判断信息的真实性、准确性的能力;

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值