2026年计算机视觉工程师考试题库（附答案和详细解析）（0103）.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LeNet-5网络的典型输入尺寸？

A.224×224×3

B.32×32×1

C.112×112×3

D.64×64×1

答案：B

解析：LeNet-5是1998年提出的经典卷积网络，主要用于手写数字识别（MNIST数据集），输入为单通道32×32的灰度图像。选项A是AlexNet及后续网络的常见输入尺寸，C和D无典型对应网络，故正确答案为B。

YOLO（YouOnlyLookOnce）目标检测算法的核心特点是？

A.两阶段检测（先候选区域后分类）

B.单阶段端到端检测

C.基于区域建议网络（RPN）

D.专注于小目标检测

答案：B

解析：YOLO是典型的单阶段目标检测算法，通过将图像划分为网格并直接预测边界框和类别，实现端到端训练。选项A和C是FasterR-CNN等两阶段算法的特点，D是RetinaNet等算法优化的方向，故正确答案为B。

计算两个边界框的交并比（IoU）时，分母是？

A.两个框的面积之和

B.两个框的面积之积

C.两个框的交集面积

D.两个框的并集面积

答案：D

解析：IoU（IntersectionoverUnion）的定义是两个边界框交集面积与并集面积的比值，公式为IoU=交集面积/并集面积。因此分母是并集面积，正确答案为D。

以下哪种损失函数最适合二分类任务？

A.交叉熵损失（CrossEntropyLoss）

B.二元交叉熵损失（BinaryCrossEntropyLoss）

C.均方误差（MSE）

D.焦点损失（FocalLoss）

答案：B

解析：二元交叉熵损失（BCE）专门用于二分类任务，通过sigmoid激活函数输出概率并计算损失。交叉熵损失（CE）用于多分类，MSE常用于回归任务，焦点损失用于解决类别不平衡问题，故正确答案为B。

在图像分类任务中，“过拟合”的典型表现是？

A.训练集和验证集准确率都很低

B.训练集准确率高，验证集准确率低

C.训练集准确率低，验证集准确率高

D.训练集和验证集准确率接近

答案：B

解析：过拟合指模型对训练数据过度学习，导致泛化能力差。表现为训练集准确率高（拟合了噪声），但验证集准确率低（无法泛化新数据）。选项A是欠拟合，C和D无典型对应，故正确答案为B。

以下哪项不是卷积神经网络（CNN）中的常见操作？

A.池化（Pooling）

B.全连接（FullyConnected）

C.自注意力（Self-Attention）

D.批量归一化（BatchNorm）

答案：C

解析：自注意力是视觉Transformer（如ViT）的核心操作，而CNN的常见操作包括卷积、池化、全连接、BatchNorm等。因此正确答案为C。

语义分割任务的输出是？

A.图像中目标的边界框和类别

B.每个像素的类别标签

C.图像的全局类别标签

D.图像中目标的关键点坐标

答案：B

解析：语义分割要求为图像中每个像素分配类别标签（如“人”“车”），区分不同类别但不区分同一类别的不同实例。选项A是目标检测，C是图像分类，D是关键点检测，故正确答案为B。

以下哪种数据增强方法会改变图像的颜色分布？

A.随机水平翻转

B.随机裁剪

C.高斯模糊

D.颜色抖动（ColorJitter）

答案：D

解析：颜色抖动通过调整图像的亮度、对比度、饱和度或色相，直接改变颜色分布。其他选项中，翻转和裁剪改变空间位置，高斯模糊改变清晰度，均不直接修改颜色分布，故正确答案为D。

在目标检测中，“锚框（AnchorBox）”的主要作用是？

A.减少计算量

B.适应不同目标的长宽比

C.提升特征图分辨率

D.替代卷积操作

答案：B

解析：锚框是预定义的不同长宽比的候选框，用于匹配真实目标的形状，解决目标尺度和比例多样化的问题。选项A是轻量级网络的目标，C是FPN等结构的作用，D与锚框无关，故正确答案为B。

以下哪项是OpenCV库的主要功能？

A.深度学习模型训练

B.计算机视觉基础算法实现（如图像读写、滤波、特征提取）

C.自然语言处理

D.大规模数据并行计算

答案：B

解析：OpenCV是计算机视觉领域的基础库，提供图像读写、滤波（如高斯模糊）、特征提取（如SIFT）、视频处理等功能。深度学习训练通常用PyTorch/TensorFlow，NLP用NLTK/Transformers，并行计算用CUDA，故正确答案为B。

二、多项选择题（共10题，每题2分，共20分）（每题至少2个正确选项）

以下属于目标检测经典算法的有？

A.FasterR-CNN

B.YOLO系列

C.SSD（Sin