第一阶段：理论测试（带答案）

import torch

import torch.nn as nn

class SimpleCNN(nn.Module):

def    init   (self):

super(SimpleCNN, self)._init_ ()

self.conv1 =nn.Conv2d(3, 16, kernel_size=3, padding=1) self.pool = nn.MaxPool2d(2, 2)

# 补全此处代码

self.fc1 = nn.Linear(       , 128) self.fc2 = nn.Linear(128, 10)

def forward(self, x):

x = self.pool(torch.relu(self.conv1(x))) x = x.view(-1,        )

x = torch.relu(self.fc1(x)) x = self.fc2(x)

return x

对比项目                 Milvus                                          MariaDB

数据类型支持 主要存储向量数据，适合非结 构化数据的特征表示。 存储结构化数据，如关系型表格

查询方式              基于向量相似度检索。                    基于 SQL 语句进行数据查询

性能优势           在大规模向量检索场景下效率 高。   在事务处理和结构化数据查询方面表现 出色

数据更新频率      适合频繁更新向量数据。                   不适合频繁更新数据

① 使用 OpenCV 对监控视频进行逐帧处理，提取图像特征

② 将异常行为相关的文本描述输入 DeepSeek 大模型

③ 利用深度学习目标检测模型（如YOLO）对图像进行分析，识别异常行为

④ DeepSeek 根据输入文本生成相应的处理建议

⑤ 将检测到的异常行为转换为文本描述