2025年计算机视觉工程师考试题库（附答案和详细解析）（1210）.docxVIP

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AlexNet相比LeNet的核心创新？

A.首次使用全连接层

B.引入ReLU激活函数和局部响应归一化（LRN）

C.采用残差连接解决梯度消失

D.使用空洞卷积扩大感受野

答案：B

解析：AlexNet的核心创新包括使用ReLU替代Sigmoid（缓解梯度消失）、局部响应归一化（LRN）增强特征竞争、多GPU训练等。选项A错误，LeNet已使用全连接层；选项C是ResNet的创新；选项D是后续模型（如DeepLab）的改进，故正确答案为B。

目标检测任务中，mAP（平均精度均值）的计算基于以下哪项指标？

A.召回率（Recall）

B.精确率（Precision）

C.IoU（交并比）和类别置信度

D.F1分数

答案：C

解析：mAP计算需先对每个类别计算AP（平均精度），AP通过绘制精确率-召回率曲线并积分得到，而IoU用于判断检测框是否正确匹配真实框（通常阈值为0.5）。选项A、B是AP计算的中间指标；D是精确率和召回率的调和平均，不直接用于mAP，故正确答案为C。

以下哪种数据增强方法属于颜色空间变换？

A.随机旋转

B.水平翻转

C.高斯模糊

D.随机裁剪

答案：C

解析：颜色空间变换包括调整亮度、对比度、饱和度、添加高斯模糊等；几何变换包括旋转、翻转、裁剪等。选项A、B、D均为几何变换，故正确答案为C。

语义分割的目标是？

A.为图像中每个像素分配类别标签

B.检测图像中所有目标的位置和类别

C.生成与输入图像内容相关的文本描述

D.从图像中提取显著区域

答案：A

解析：语义分割是像素级分类任务（如区分“人”“车”“路”等类别）；目标检测是定位+分类（选项B）；图像描述是多模态任务（选项C）；显著区域提取是寻找视觉焦点（选项D），故正确答案为A。

以下哪项不是Transformer在计算机视觉中应用的典型改进？

A.引入位置编码（PositionalEncoding）

B.使用PatchEmbedding替代卷积

C.设计局部注意力（LocalAttention）提升效率

D.采用残差连接避免梯度消失

答案：D

解析：残差连接是CNN的经典改进（如ResNet），Transformer本身通过多头注意力和层归一化缓解梯度问题；A、B、C均为VisionTransformer（ViT）或其变体的核心改进（如SwinTransformer的局部注意力），故正确答案为D。

光流法主要用于解决以下哪类任务？

A.图像超分辨率

B.运动估计

C.目标跟踪

D.图像去噪

答案：B

解析：光流法通过计算相邻帧像素的位移场估计物体运动，是运动估计的核心方法；目标跟踪（选项C）可能使用光流，但非直接目标；A、D与像素值优化相关，故正确答案为B。

以下哪种模型适用于小目标检测？

A.YOLOv3（多尺度检测）

B.VGG16（固定感受野）

C.ResNet50（深层特征）

D.AlexNet（浅层特征）

答案：A

解析：YOLOv3通过FPN（特征金字塔网络）融合不同尺度特征图，增强对小目标的检测能力；VGG、ResNet、AlexNet的特征图分辨率较低，对小目标不敏感，故正确答案为A。

计算IoU时，分子是检测框与真实框的？

A.并集面积

B.交集面积

C.差集面积

D.最小包围矩形面积

答案：B

解析：IoU=交集面积/并集面积，分子是交集面积，分母是并集面积（交集+检测框面积+真实框面积-交集），故正确答案为B。

以下哪项是自监督学习在CV中的典型应用？

A.基于ImageNet的预训练

B.对比学习（如SimCLR）

C.监督微调（Fine-tuning）

D.全监督目标检测训练

答案：B

解析：自监督学习通过无标签数据生成监督信号（如SimCLR的正样本对）；A、C、D均依赖人工标注的监督信号，故正确答案为B。

三维点云处理中，PointNet的核心思想是？

A.将点云转换为体素网格后用CNN处理

B.利用点之间的局部空间关系构建图结构

C.对无序点集进行排列不变性特征提取

D.通过多视图投影转换为2D图像

答案：C

解析：PointNet直接处理无序点集，通过对称函数（如最大池化）保证特征对输入顺序的不变性；A是体素法，B是PointNet++的改进，D是多视图方法，故正确答案为C。

二、多项选择题（共10题，每题2分，共20分）

以下属于目标检测算法的有？（至少2个正确选项）

A.FasterR-CNN

B.U-Net

C.YOLO系列

D.MaskR-CNN

答案：ACD

解析：FasterR-CNN（双阶段检测）、YOLO（单阶段