2026年计算机视觉工程师考试题库（附答案和详细解析）（0101）.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）

以下哪项是ResNet网络的核心创新点？

A.引入Inception模块提升特征多样性

B.提出残差连接解决梯度消失问题

C.使用深度可分离卷积降低计算量

D.采用注意力机制增强特征表达

答案：B

解析：ResNet（残差网络）的核心贡献是通过残差块（ResidualBlock）引入跳跃连接（SkipConnection），将输入直接加到输出上，缓解了深度神经网络训练时的梯度消失/爆炸问题（B正确）。Inception模块是GoogLeNet的创新（A错误）；深度可分离卷积是MobileNet的核心（C错误）；注意力机制如SEBlock是后续改进（D错误）。

目标检测中，mAP（平均精度均值）的计算基于以下哪组指标？

A.准确率（Accuracy）和召回率（Recall）

B.精确率（Precision）和召回率（Recall）

C.F1分数和IoU（交并比）

D.损失值（Loss）和置信度（Confidence）

答案：B

解析：mAP的计算需先对每个类别计算AP（平均精度），AP是精确率-召回率曲线（P-R曲线）下的面积，因此核心是精确率和召回率（B正确）。准确率是分类任务指标（A错误）；F1是P和R的调和平均（C错误）；损失值是训练指标（D错误）。

以下哪种数据增强方法主要用于解决光照变化鲁棒性问题？

A.随机水平翻转

B.随机裁剪

C.颜色抖动（ColorJitter）

D.随机旋转

答案：C

解析：颜色抖动通过调整图像的亮度、对比度、饱和度和色调，模拟不同光照条件下的图像变化，提升模型对光照的鲁棒性（C正确）。翻转、裁剪、旋转主要增强几何不变性（A、B、D错误）。

语义分割任务中，U-Net网络的关键结构是？

A.编码器-解码器结构+跳跃连接

B.多尺度特征融合的金字塔结构

C.自注意力机制的全局上下文建模

D.残差块堆叠的深度特征提取

答案：A

解析：U-Net的经典结构是对称的编码器（下采样）和解码器（上采样），并通过跳跃连接（SkipConnection）将编码器的低层特征与解码器的高层特征融合，解决上采样时的细节丢失问题（A正确）。金字塔结构是DeepLab系列的特点（B错误）；自注意力是Transformer的核心（C错误）；残差块是ResNet的设计（D错误）。

以下哪项是YOLOv1与FasterR-CNN的主要区别？

A.YOLOv1使用区域建议网络（RPN）

B.FasterR-CNN是单阶段检测模型

C.YOLOv1直接回归边界框和类别

D.FasterR-CNN不使用锚框（Anchor）

答案：C

解析：YOLOv1属于单阶段检测模型，将图像划分为网格，直接预测每个网格的边界框坐标和类别概率（C正确）。RPN是FasterR-CNN的组件（A错误）；FasterR-CNN是两阶段模型（B错误）；FasterR-CNN使用锚框（D错误）。

SIFT特征的主要优势是？

A.计算速度快，适合实时应用

B.对旋转、尺度和光照变化具有不变性

C.仅需少量训练数据即可提取

D.特征维度低，便于存储

答案：B

解析：SIFT（尺度不变特征变换）通过构建尺度空间、检测极值点、计算方向直方图等步骤，生成对旋转、尺度、光照变化鲁棒的特征（B正确）。计算速度慢是其缺点（A错误）；SIFT是手工特征，无需训练（C错误）；特征维度较高（128维）（D错误）。

三维点云数据的典型表示方式是？

A.像素值矩阵（H×W×3）

B.离散点的坐标集合（N×3）

C.深度图像（H×W）

D.多视图二维图像序列

答案：B

解析：点云数据是三维空间中离散点的集合，每个点包含X、Y、Z坐标（可能附加颜色或强度），通常表示为N×3的矩阵（B正确）。像素矩阵是二维图像（A错误）；深度图像是单通道二维矩阵（C错误）；多视图图像是二维数据（D错误）。

以下哪种损失函数适用于解决类别不平衡问题？

A.交叉熵损失（Cross-EntropyLoss）

B.均方误差（MSELoss）

C.焦点损失（FocalLoss）

D.三元组损失（TripletLoss）

答案：C

解析：焦点损失通过调整交叉熵的权重，降低易分类样本的损失贡献，增加难分类样本（通常是少数类别）的学习权重，有效缓解类别不平衡（C正确）。交叉熵对所有样本一视同仁（A错误）；MSE用于回归（B错误）；TripletLoss用于度量学习（D错误）。

目标检测中NMS（非极大值抑制）的作用是？

A.生成候选区域（RegionProposals）

B.去除重叠的重复检测框

C.计算边界框回归偏移量

D.