原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
计算机视觉工程师考试试卷
一、单项选择题（共10题，每题1分，共10分）
ResNet网络的核心创新点是？
A.深度可分离卷积
B.残差连接（SkipConnection）
C.通道注意力机制
D.多尺度特征融合
答案：B
解析：ResNet通过引入残差连接（F(x)=H(x)-x）解决了深层网络的梯度消失问题，使得网络可以训练到更深的层数。A是MobileNet的核心；C是SENet的创新；D是FPN（特征金字塔网络）的设计。
目标检测任务中，mAP（MeanAveragePrecision）的计算基于以下哪项？
A.固定IoU阈值（如0.5）的平均精度
B.不同类别召回率的均值
C.所有IoU阈值（0.5到0.95）的平均精度均值
D.检测框与真实框的交并比最大值
答案：C
解析：mAP@0.5:0.95（COCO标准）是计算IoU从0.5到0.95共10个阈值的平均精度（AP）的均值。A仅对应mAP@0.5；B混淆了召回率与精度；D是单个检测框的IoU计算方式。
ImageNet数据集的标准训练集包含多少个类别？
A.80
B.200
C.1000
D.5000
答案：C
解析：ImageNet大规模视觉识别挑战赛（ILSVRC）的标准数据集包含1000个类别，每个类别约1000张图像。A是COCO目标检测的类别数；B是CUB-200-2011鸟类数据集的类别数。
卷积操作的主要作用是？
A.降低特征维度
B.提取局部空间特征
C.实现上采样
D.归一化特征分布
答案：B
解析：卷积核通过滑动窗口提取图像的局部空间特征（如边缘、纹理）。A是池化层或全连接层的作用；C是转置卷积的功能；D是BatchNorm层的作用。
下采样（如最大池化）的主要目的是？
A.增加特征图的感受野
B.减少计算量并保留关键信息
C.增强特征的判别性
D.防止过拟合
答案：B
解析：下采样通过降低特征图尺寸（如从224×224到112×112）减少后续计算量，同时通过池化（如最大池化）保留区域内的关键信息。A是深层网络叠加后的间接效果；C是激活函数的作用；D是正则化的目标。
YOLOv5模型的输出不包含以下哪项？
A.边界框坐标（x,y,w,h）
B.目标置信度（ObjectnessScore）
C.类别概率分布
D.实例掩码（InstanceMask）
答案：D
解析：YOLOv5是目标检测模型，输出为边界框坐标、目标存在置信度和类别概率。实例掩码是实例分割模型（如MaskR-CNN）的输出。
语义分割的核心任务是？
A.定位图像中所有目标的边界框
B.为每个像素分配所属类别
C.区分同一类别中的不同实例
D.生成图像的文字描述
答案：B
解析：语义分割要求对每个像素进行类别标注（如“道路”“车辆”），不区分同一类别的不同个体。A是目标检测的任务；C是实例分割的任务；D是图像描述（ImageCaptioning）的任务。
以下哪项是缓解过拟合的有效方法？
A.增加网络层数
B.减少训练数据量
C.数据增强（DataAugmentation）
D.移除正则化（如Dropout）
答案：C
解析：数据增强通过旋转、翻转、裁剪等操作增加训练数据的多样性，提升模型泛化能力。A可能加剧过拟合；B会导致模型更易过拟合；D会降低模型的正则化效果。
图像分类任务中，最常用的损失函数是？
A.均方误差（MSE）
B.交叉熵损失（Cross-Entropy）
C.IoU损失
D.Triplet损失
答案：B
解析：交叉熵损失用于衡量预测概率分布与真实分布的差异，适合分类任务。A用于回归任务；C用于目标检测的边界框回归；D用于度量学习（如人脸识别）。
自注意力机制（Self-Attention）的核心是？
A.限制局部感受野
B.计算特征间的全局相关性
C.共享卷积核参数
D.缓解梯度消失
答案：B
解析：自注意力通过计算每个位置与所有其他位置的相似性，建模特征间的全局依赖关系（如ViT中的应用）。A是卷积的特性；C是卷积的参数共享机制；D是残差连接的作用。
二、多项选择题（共10题，每题2分，共20分）
以下属于图像数据增强的常用方法有？
A.随机裁剪（RandomCrop）
B.颜色抖动（ColorJitter）
C.水平翻转（HorizontalFlip）
D.PCA白化（PCAWhitening）
答案：ABC
解析：数据增强通过增加数据多样性缓解过拟合，A、B、C均为常用方法。D（PCA白化）通过调整数据协方差矩阵减少冗余，属于数据预处理而非增强。
以下属于两阶段目标检测模型的有？
A.FasterR-CNN
B.YOLOv5
C.
文档评论（0）