2025年测绘师基于深度学习的近景影像智能识别与三维重建专题试卷及解析.pdfVIP

2025年测绘师基于深度学习的近景影像智能识别与三维重建专题试卷及解析1

2025年测绘师基于深度学习的近景影像智能识别与三维重

建专题试卷及解析

2025年测绘师基于深度学习的近景影像智能识别与三维重建专题试卷及解析

第一部分：单项选择题（共10题，每题2分）

1、在深度学习应用于近景影像智能识别中，卷积神经网络（CNN）的核心优势是

什么？

A、能够处理序列数据

B、能够自动提取影像特征

C、能够处理非结构化文本数据

D、能够生成三维模型

【答案】B

【解析】正确答案是B。CNN的核心优势在于通过卷积层和池化层自动提取影像的

空间特征，适用于图像识别任务。A选项错误，因为处理序列数据是RNN的优势；C

选项错误，文本数据处理通常使用NLP模型；D选项错误，三维模型生成需要结合其

他技术如点云处理。知识点：CNN的基本原理与应用场景。易错点：混淆不同深度学

习模型的适用领域。

2、在近景影像三维重建中，点云数据的主要来源是？

A、激光雷达扫描

B、卫星遥感影像

C、GPS定位数据

D、气象观测数据

【答案】A

【解析】正确答案是A。激光雷达扫描能够直接获取高精度的点云数据，是三维重

建的主要数据来源。B选项错误，卫星遥感影像通常用于大范围地表观测；C选项错误，

GPS仅提供位置信息；D选项错误，气象数据与三维重建无关。知识点：点云数据的

获取方式。易错点：混淆不同传感器的应用场景。

3、以下哪种深度学习模型最适合用于近景影像中的目标检测？

A、GAN

B、YOLO

C、LSTM

D、Autoencoder

【答案】B

【解析】正确答案是B。YOLO是一种实时目标检测模型，适用于近景影像中的快

速目标识别。A选项错误，GAN用于生成对抗网络；C选项错误，LSTM用于序列数

2025年测绘师基于深度学习的近景影像智能识别与三维重建专题试卷及解析2

据处理；D选项错误，Autoencoder用于数据降维。知识点：目标检测模型的选择。易

错点：混淆生成模型与检测模型的用途。

4、在三维重建过程中，影像匹配的关键技术是？

A、边缘检测

B、特征点提取与匹配

C、色彩校正

D、噪声过滤

【答案】B

【解析】正确答案是B。特征点提取与匹配是影像匹配的核心技术，用于确定不同

影像间的对应关系。A选项错误，边缘检测仅是预处理步骤；C选项错误，色彩校正与

匹配无关；D选项错误，噪声过滤是影像增强技术。知识点：影像匹配的基本流程。易

错点：混淆预处理与核心技术的区别。

5、深度学习在近景影像分类中，常用的损失函数是？

A、均方误差

B、交叉熵损失

C、余弦相似度

D、欧氏距离

【答案】B

【解析】正确答案是B。交叉熵损失常用于分类任务，衡量预测概率与真实标签的

差异。A选项错误，均方误差多用于回归任务；C选项错误，余弦相似度用于向量相似

性度量；D选项错误，欧氏距离用于空间距离计算。知识点：损失函数的选择。易错点：

混淆分类与回归任务的损失函数。

6、以下哪种技术不属于三维重建的几何方法？

A、立体视觉

B、运动恢复结构

C、纹理映射

D、多视图几何

【答案】C

【解析】正确答案是C。纹理映射是三维模型的表面贴图技术，不属于几何重建方

法。A、B、D选项均为几何重建的核心技术。知识点：三维重建的分类。易错点：混

淆几何方法与纹理处理技术。

7、在深度学习模型训练中，过拟合的常见解决方法是？

A、增加训练数据

B、减少模型参数

C、使用正则化

2025年测绘师基于深度学习的近景影像智能识别与三维重建专题试卷及解析3

D、以上都是

【答案】D

【解析】正确答案是D。增加训练数据、减少模型参数和使用正则化都是解决过拟

合的有效方法。知识点：