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）
以下哪项是ResNet网络的核心创新点？
A.引入注意力机制（SENet）
B.使用1×1卷积降维（GoogLeNet）
C.残差连接（SkipConnection）
D.全局平均池化替代全连接层（NIN）
答案：C
解析：ResNet（残差网络）的核心创新是通过残差块（ResidualBlock）引入跳跃连接（SkipConnection），解决了深层网络训练时的梯度消失/爆炸问题，使得网络可以训练到更深的层数。选项A是SENet的特点，B是GoogLeNet（Inception）的设计，D是NetworkinNetwork（NIN）的改进，均非ResNet核心。
在目标检测中，mAP（平均精度均值）的计算基于以下哪项指标？
A.IoU（交并比）阈值
B.召回率（Recall）
C.准确率（Precision）
D.以上都是
答案：D
解析：mAP的计算需先为每个类别计算AP（平均精度），AP是对不同召回率下的准确率取均值，而计算过程中需设定IoU阈值（如常用0.5或0.75）来判定检测框是否正确。因此三者均是mAP计算的基础。
以下哪种数据增强方法属于几何变换？
A.颜色抖动（ColorJitter）
B.随机裁剪（RandomCrop）
C.高斯模糊（GaussianBlur）
D.直方图均衡化（HistogramEqualization）
答案：B
解析：几何变换主要改变图像的空间结构，如裁剪、旋转、翻转、缩放等；颜色抖动、高斯模糊、直方图均衡化属于像素级变换（改变像素值分布）。因此随机裁剪是几何变换。
语义分割与实例分割的本质区别是？
A.语义分割输出类别标签，实例分割输出边界框
B.语义分割是像素级分类，实例分割需区分同一类别的不同个体
C.语义分割使用全卷积网络，实例分割使用循环神经网络
D.语义分割处理单张图像，实例分割处理视频序列
答案：B
解析：语义分割（SemanticSegmentation）为每个像素分配类别标签（如“人”“车”），但不区分同一类别的不同个体；实例分割（InstanceSegmentation）不仅分配类别，还需区分同一类别中的不同实例（如“人1”“人2”）。选项A错误，实例分割也输出像素级掩码；C错误，两者均常用全卷积网络；D错误，与输入类型无关。
YOLOv3相比YOLOv1的主要改进是？
A.引入AnchorBox
B.采用多尺度检测
C.使用FPN（特征金字塔网络）
D.以上都是
答案：D
解析：YOLOv3在YOLOv1基础上：①引入AnchorBox（先验框）提升小目标检测能力；②通过FPN（特征金字塔网络）融合不同尺度特征，实现多尺度检测；③使用更深的Backbone（Darknet-53）。因此三者均是改进点。
视觉Transformer（ViT）的输入是？
A.原始图像像素
B.图像分块后的嵌入向量（PatchEmbedding）
C.边缘检测后的特征图
D.光流场数据
答案：B
解析：ViT将图像分割为固定大小的Patch（如16×16），每个Patch通过线性投影转换为嵌入向量（PatchEmbedding），再加上位置编码后输入Transformer的编码器。原始像素（A）维度过高，无法直接输入；边缘检测（C）是传统CV方法；光流场（D）用于视频分析。
以下哪项不是图像分类任务的常用损失函数？
A.交叉熵损失（CrossEntropyLoss）
B.FocalLoss
C.均方误差（MSELoss）
D.三元组损失（TripletLoss）
答案：C
解析：图像分类是分类任务，常用交叉熵（用于普通分类）、FocalLoss（解决类别不平衡）；三元组损失（用于度量学习，如细粒度分类）。均方误差（MSE）是回归任务的损失函数（如图像超分辨率），不适用于分类。
在关键点检测任务中，常用的输出形式是？
A.边界框坐标（x,y,w,h）
B.热力图（Heatmap）
C.图像分割掩码
D.光流向量
答案：B
解析：关键点检测（如人脸landmarks、人体姿态）通常通过卷积网络输出热力图（每个关键点对应一个概率分布的热图），通过热图峰值定位关键点坐标。边界框（A）是目标检测输出；掩码（C）是分割输出；光流（D）是运动分析输出。
以下哪种方法用于解决模型过拟合问题？
A.数据增强（DataAugmentation）
B.增加网络层数
C.减少训练轮次（Epochs）
D.增大学习率
答案：A
解析：数据增强通过增加训练数据的多样性（如翻转、旋转），缓解模型对训练数据的过拟合；增加层数（
文档评论（0）