2025年计算机视觉工程师考试题库（附答案和详细解析）（1226）.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在图像分类任务中的核心创新？

A.引入残差连接（ResidualConnection）

B.使用批量归一化（BatchNorm）

C.采用ReLU激活函数替代Sigmoid

D.提出注意力机制（Attention）

答案：C

解析：AlexNet的核心创新包括使用ReLU解决Sigmoid的梯度消失问题、局部响应归一化（LRN）、数据增强和多GPU训练。选项A是ResNet的创新，B是BatchNorm在后续网络（如VGG）中提出，D是后续如SEBlock的工作，因此正确答案为C。

目标检测算法中，首次提出“锚框（AnchorBox）”概念的模型是？

A.YOLOv1

B.FasterR-CNN

C.SSD

D.RetinaNet

答案：B

解析：锚框概念由FasterR-CNN首次提出，用于在特征图上预设不同长宽比的候选框，提升小目标检测能力。YOLOv1使用全图划分网格预测，未用锚框；SSD和RetinaNet是后续基于锚框的改进模型，因此正确答案为B。

图像语义分割任务中，FCN（全卷积网络）的核心输出是？

A.图像级别的类别标签

B.目标边界框坐标

C.每个像素的类别标签

D.图像的深度信息

答案：C

解析：FCN通过全卷积层和上采样操作，将特征图恢复至输入图像尺寸，输出每个像素的类别标签，实现语义分割。A是图像分类任务，B是目标检测，D是深度估计，因此正确答案为C。

SIFT（尺度不变特征变换）的核心特性是？

A.对旋转和尺度变化保持不变

B.对光照变化完全不变

C.仅适用于灰度图像

D.计算复杂度低于HOG

答案：A

解析：SIFT通过尺度空间极值检测和方向赋值，确保特征对旋转和尺度变化具有不变性。它对光照变化有一定鲁棒性但非完全不变（B错误），支持彩色图像（C错误），计算复杂度高于HOG（D错误），因此正确答案为A。

三维点云数据的典型表示方法不包括？

A.体素（Voxel）

B.点集（PointSet）

C.多视图投影（Multi-View）

D.像素矩阵（PixelMatrix）

答案：D

解析：三维点云的常见表示包括体素（离散化为三维网格）、点集（直接存储坐标）、多视图投影（转换为二维图像）。像素矩阵是二维图像的表示方式，因此正确答案为D。

视频理解任务中，光流法（OpticalFlow）的主要作用是？

A.提取视频的关键帧

B.计算像素级的运动信息

C.分类视频的整体类别

D.生成视频的描述文本

答案：B

解析：光流法通过分析连续帧间像素的位移，计算像素级运动向量，用于动作识别、目标跟踪等任务。A是关键帧提取算法，C是视频分类，D是视频描述生成，因此正确答案为B。

目标检测中，FocalLoss的主要设计目的是？

A.解决梯度消失问题

B.提升小目标检测精度

C.缓解类别不平衡问题

D.加速模型训练速度

答案：C

解析：FocalLoss通过对易分类样本降低权重（添加调制因子(1-p_t)^γ），重点关注难分类样本，主要解决正负样本或类别数量不平衡问题。A是ResNet的目标，B是锚框设计的目标，D是轻量化模型的目标，因此正确答案为C。

以下哪种注意力机制主要关注特征图的通道维度？

A.空间注意力（SpatialAttention）

B.通道注意力（ChannelAttention）

C.时间注意力（TemporalAttention）

D.混合注意力（MixedAttention）

答案：B

解析：通道注意力（如SEBlock）通过压缩空间信息，为每个通道生成权重，关注“哪些通道更重要”；空间注意力关注“哪些空间位置更重要”（如CBAM的空间模块），时间注意力用于视频序列，因此正确答案为B。

模型压缩技术中，知识蒸馏（KnowledgeDistillation）的核心思想是？

A.减少模型的参数量

B.用教师模型指导学生模型学习

C.剪枝冗余的神经网络层

D.量化权重为低精度数值

答案：B

解析：知识蒸馏通过教师模型（大而准）的软标签（输出概率分布）指导学生模型（小而快）学习，传递隐含知识。A、C、D是其他压缩技术（如剪枝、量化）的目标，因此正确答案为B。

自监督学习（Self-SupervisedLearning）的典型方法是？

A.监督预训练+微调

B.设计代理任务（PretextTask）

C.人工标注大量数据

D.仅使用标签进行训练

答案：B

解析：自监督学习通过代理任务（如图像着色、旋转预测）从无标签数据中学习有用表征，无需人工标注。A是迁移学习，C是监督学习，D是有监督训练，因此正