2025年计算机视觉工程师考试题库（附答案和详细解析）（1122）.docxVIP

计算机视觉工程师考试试卷（总分100分）

一、单项选择题（共10题，每题1分，共10分）

以下哪个卷积神经网络是第一个成功应用于手写数字识别的经典模型？

A.AlexNet

B.LeNet

C.VGGNet

D.ResNet

答案：B

解析：LeNet（1998年）由YannLeCun提出，是首个成功应用于手写数字识别（MNIST数据集）的卷积神经网络；AlexNet（2012年）是ILSVRC竞赛的突破模型；VGGNet（2014年）以深卷积层著称；ResNet（2015年）通过残差连接解决梯度消失问题。

YOLOv3目标检测模型的核心改进是？

A.引入FPN（特征金字塔网络）实现多尺度检测

B.使用ROIPooling提取候选区域

C.仅输出单一尺度的特征图

D.采用Soft-NMS替代传统NMS

答案：A

解析：YOLOv3通过FPN结构融合不同尺度的特征图（3个尺度），提升对不同大小目标的检测能力；ROIPooling是FasterR-CNN的技术；YOLOv3输出多尺度特征图；Soft-NMS是后续改进（如YOLOv4）的优化。

图像语义分割的任务是？

A.检测图像中所有目标的位置和类别

B.为图像中每个像素分配一个类别标签

C.生成与输入图像内容相关的文本描述

D.恢复图像的高分辨率版本

答案：B

解析：语义分割要求像素级分类（同一类目标的像素被标记为同一类别）；目标检测是定位+分类（A错误）；图像描述是多模态任务（C错误）；超分辨率是提升分辨率（D错误）。

以下哪项不是数据增强的常用方法？

A.随机水平翻转

B.高斯模糊

C.主成分分析（PCA）白化

D.随机亮度调整

答案：C

解析：数据增强通过几何/颜色变换增加数据多样性，常用方法包括翻转（A）、模糊（B）、亮度调整（D）；PCA白化是特征预处理技术，用于减少特征相关性（非数据增强）。

目标检测中mAP（平均精度均值）的计算基于？

A.召回率（Recall）和准确率（Precision）的调和平均

B.不同交并比（IoU）阈值下的平均精度

C.真实框与预测框的中心点距离

D.分类损失与定位损失的加权和

答案：B

解析：mAP是在多个IoU阈值（如0.5到0.95）下，对各目标类别的平均精度（AP）取平均；调和平均是F1分数（A错误）；中心点距离是EIoU等损失的指标（C错误）；分类与定位损失是训练目标（D错误）。

视觉Transformer（ViT）的输入处理方式是？

A.直接输入原始图像像素

B.将图像分割为固定大小的patch并线性投影

C.使用卷积层提取局部特征后输入Transformer

D.仅保留图像边缘信息作为输入

答案：B

解析：ViT将图像分割为16x16或32x32的patch（如224x224图像分14x14个patch），每个patch展平后通过线性层投影为向量；直接输入像素会导致序列过长（A错误）；卷积预处理是CNN的方式（C错误）；边缘信息是传统特征（D错误）。

光流估计的主要目的是？

A.计算图像中的深度信息

B.分析视频帧间的像素运动关系

C.增强图像的对比度

D.检测图像中的关键点

答案：B

解析：光流估计通过计算视频连续帧中同一像素的位移，反映物体运动（如物体移动或相机运动）；深度信息由立体视觉或ToF传感器获取（A错误）；对比度增强是图像预处理（C错误）；关键点检测是特征提取（D错误）。

以下哪种技术属于三维重建中的多视图立体（MVS）方法？

A.结构从运动（SfM）

B.飞行时间（ToF）相机测距

C.点云配准（ICP算法）

D.单目深度估计

答案：A

解析：SfM通过多幅图像的特征匹配和三角测量重建三维结构，是MVS的基础；ToF是主动测距技术（B错误）；ICP用于点云对齐（C错误）；单目深度估计是单图像预测深度（D错误）。

SEBlock（Squeeze-and-ExcitationBlock）的核心作用是？

A.增加网络的深度

B.抑制梯度消失

C.显式建模通道间的依赖关系

D.提升特征图的空间分辨率

答案：C

解析：SEBlock通过全局平均池化（Squeeze）和全连接层（Excitation）为每个通道分配权重，增强重要通道的特征；增加深度是堆叠层的作用（A错误）；抑制梯度消失是残差连接的作用（B错误）；提升分辨率需上采样（D错误）。

多模态学习中“晚期融合”指的是？

A.在输入层合并图像与文本特征

B.分别处理图像和文本特征，最后合并输出

C.在中间层交替处理不同模态数据

D.仅使用一种模态数据训练模型

答案：B

解析：晚期融合（LateFusion）是各模态独立提取特征后，在决策层（如全连接层）合并（如拼接或加权