目前的零样本异常检测方法在促使大型预先训练的视觉语言模型在不使用任何特定于数据集的训练或演示的情况下检测目标数据集中的异常方面取得了显著的成功。然而，这些方法通常集中在制作/学习提示上，这些提示只捕捉异常的粗粒度语义，因此，它们在识别具有独特视觉外观的各种异常细节方面的能力有限。为了解决这一限制，我们提出FAPrompt，这是一个新颖的框架，旨在学习细粒度异常提示以获得更准确的零样本异常检测能力。

孟莉苹，女，西安工程大学电子信息学院，2021级硕士研究生，张宏伟人工智能课题组。研究方向：机器视觉与人工智能。电子邮件：2425613875@qq.com。

孟莉苹，女，西安工程大学电子信息学院，2021级硕士研究生，张宏伟人工智能课题组。研究方向：机器视觉与人工智能。电子邮件：2425613875@qq.com。

2022级研究生人工智能高级语言程序设计考试说明

考试题共包括4道大题：第一大题：分类和回归----（8选1）第二大题：降维和聚类----（7选1）第三大题：API调用（课程中学习过的所有云平台）----（10选1）第四大题：深度学习项目----（10选1）

陈梦丹，女，西安工程大学电子信息学院，2022级研究生研究方向：机器视觉与人工智能电子邮件：1169738496@qq.comYOLOv5是一种单阶段、有监督目标检测算法，该算法在YOLOv4的基础上添加了一些新的改进思路，使其速度与精度都得到了极大的性能提升。主要的改进思路输入端：在模型训练阶段，提出了一些改进思路，主要包括Mosaic数据增强、自适应锚框计算、自适应图片缩放；基准网络Focus

目录1.作者介绍2．层次聚类算法介绍2.1 层次聚类算法原理2.2 层次聚类算法步骤2.3 层次聚类算法分类3．层次聚类算法实现(代码如下)3.1 相关包导入3.2 生成测试数据集3.3 层次聚类实现&画出树状图3.4 获取聚类结果3.5 对比不同方法聚类效果4.参考链接1.作者介绍杨金花，女，西安工程大学电子信息学院，21级研究生研究方向：基于学习方法的运动目标检测电子邮件：290255

在训练前要注意将所需的环境配置好，同时所调用的库版本是否符合要求，各个库之间有时也需要版本一一对应。在训练时参数的调试非常重要，对模型的检测效果有着非常重要的影响，要多去尝试多做实验探究不同参数对模型的影响。

人工智能高级语言程序设计考试说明1.环境配置2.数据集下载1.1 YOLO v2环境配置1.2pytorch环境2.1 人工智能高级语言程序设计考试数据集1.环境配置2.数据集下载1.1 YOLO v2环境配置首先需要配置好相关镜像，这里需要安装上OpenCV和TensorFlow这两个安装包。清华镜像安装OpenCV：pip install opencv-python==3.4.9.31 -i

2022级研究生人工智能高级语言程序设计考试说明