2026年计算机视觉工程师考试题库（附答案和详细解析）（0102）.docxVIP

计算机视觉工程师专业能力考试试卷

一、单项选择题（共10题，每题1分，共10分）

以下哪个卷积神经网络通过引入残差连接解决了深层网络训练中的梯度消失问题？

A.AlexNet

B.VGGNet

C.ResNet

D.GoogLeNet

答案：C

解析：ResNet（残差网络）通过引入残差块（ResidualBlock），允许梯度直接跳过部分层反向传播，有效解决了深层网络训练时的梯度消失问题。AlexNet（A）是首个大规模深度CNN，VGGNet（B）以小卷积核堆叠为特点，GoogLeNet（D）采用Inception模块，均未引入残差连接。

在目标检测任务中，YOLOv3相比FasterR-CNN的主要优势是？

A.更高的检测精度

B.更快的推理速度

C.支持多尺度目标检测

D.无需预训练模型

答案：B

解析：YOLO（YouOnlyLookOnce）系列是单阶段检测模型，通过将目标检测转化为回归问题，实现端到端推理，速度显著快于两阶段的FasterR-CNN。FasterR-CNN（C）通过RPN网络也支持多尺度检测，两者均需预训练（D错误），精度上FasterR-CNN通常更高（A错误）。

语义分割任务的核心目标是？

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.恢复图像中缺失的像素信息

答案：A

解析：语义分割（SemanticSegmentation）要求为每个像素标注所属类别（如“人”“车”），强调类别一致性；目标检测（B）关注目标位置和类别，图像描述（C）是跨模态任务，图像修复（D）是生成任务，均不符合。

以下哪种数据增强方法会改变图像的标注框坐标？

A.随机水平翻转

B.高斯模糊

C.调整亮度

D.颜色抖动

答案：A

解析：随机水平翻转会导致图像左右翻转，若原图有目标检测框（如boundingbox），其x坐标会对称变化（如原框左边界x1变为图像宽度-x1），因此需要同步调整标注框。高斯模糊（B）、亮度调整（C）、颜色抖动（D）仅改变像素值，不影响空间位置，标注框坐标无需修改。

在图像分类任务中，Softmax损失函数的作用是？

A.最大化类内间距，最小化类间间距

B.将网络输出转换为概率分布并计算分类损失

C.增强模型对旋转不变性的鲁棒性

D.减少特征图的空间维度

答案：B

解析：Softmax函数将网络输出的logits转换为类别概率（和为1），结合交叉熵损失（Cross-EntropyLoss）计算预测概率与真实标签的差异，是分类任务的典型损失函数。类间距优化（A）是TripletLoss的目标，旋转不变性（C）通过数据增强或特殊网络设计实现，降维（D）由池化层完成。

评估目标检测模型性能的关键指标mAP（平均精度均值）中，“平均”指的是？

A.不同交并比（IoU）阈值的平均

B.不同目标类别的平均

C.不同图像尺寸的平均

D.不同召回率下的平均

答案：B

解析：mAP计算流程为：对每个类别单独计算AP（AveragePrecision，精确率-召回率曲线下面积），再对所有类别的AP取平均。IoU阈值通常固定（如0.5或0.5:0.95），不同阈值的平均称为mAP@[.5:.95]（A错误），图像尺寸（C）和召回率（D）与“平均”无关。

以下哪种技术属于三维视觉范畴？

A.图像超分辨率

B.点云配准

C.风格迁移

D.目标跟踪

答案：B

解析：点云（PointCloud）是三维空间中离散点的集合，点云配准（将不同视角的点云对齐）是三维视觉的核心任务。图像超分辨率（A）、风格迁移（C）、目标跟踪（D）均基于二维图像。

自注意力机制（Self-Attention）在视觉Transformer中的主要作用是？

A.减少卷积核的计算量

B.建立图像中长距离像素的依赖关系

C.增强局部区域的特征提取能力

D.实现多尺度特征融合

答案：B

解析：自注意力机制通过计算每个像素与其他所有像素的相关性，捕捉图像中远距离的上下文信息（如跨区域的语义关联），这是传统卷积（局部感受野）难以直接实现的。减少计算量（A）是稀疏注意力或分块注意力的目标，局部特征提取（C）是卷积的优势，多尺度融合（D）通过特征金字塔实现。

OCR（光学字符识别）流程中，“文本检测”的主要任务是？

A.识别单个字符的类别

B.定位图像中文本区域的位置

C.纠正识别结果中的错别字

D.对文本行进行归一化（如倾斜校正）

答案：B

解析：OCR通常分为文本检测（定位文本区域，输出boundingbox）和文本识别（将区域内像素转换为字符序列）。字符识别（A）是识别阶段的任务，纠错（C）是后处