2026年计算机视觉工程师考试题库（附答案和详细解析）（0119）.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）

以下哪个是AlexNet网络的核心创新点？

A.提出全局平均池化替代全连接层

B.引入ReLU激活函数解决梯度消失

C.首次使用残差连接（ResidualConnection）

D.采用深度可分离卷积降低计算量

答案：B

解析：AlexNet的核心创新包括ReLU激活函数（替代Sigmoid解决梯度消失）、局部响应归一化（LRN）、数据增强和多GPU训练。选项A是GoogLeNet的改进，选项C是ResNet的核心，选项D是MobileNet的特点，因此正确答案为B。

在目标检测任务中，mAP（MeanAveragePrecision）的计算基于以下哪项指标？

A.交并比（IoU）阈值和召回率-精确率曲线

B.准确率（Accuracy）和F1分数

C.像素级分类的平均交并比

D.检测框的中心点偏移量

答案：A

解析：mAP通过对每个类别计算AP（AveragePrecision，基于不同IoU阈值下的召回率-精确率曲线面积），再取所有类别的平均值得到。选项B是分类任务的指标，选项C是语义分割的指标（mIoU），选项D是回归任务的误差指标，故正确答案为A。

以下哪种数据增强方法主要用于解决光照变化带来的鲁棒性问题？

A.随机水平翻转

B.颜色抖动（ColorJitter）

C.随机裁剪（RandomCrop）

D.高斯模糊（GaussianBlur）

答案：B

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视觉变化，提升模型对光照的鲁棒性。选项A用于增加水平方向的多样性，选项C用于提升模型对目标尺度变化的适应性，选项D用于模拟模糊场景，故正确答案为B。

语义分割（SemanticSegmentation）与实例分割（InstanceSegmentation）的本质区别是？

A.语义分割输出像素级类别，实例分割需区分同一类别的不同个体

B.语义分割仅处理单类别，实例分割处理多类别

C.语义分割使用全连接层，实例分割使用卷积层

D.语义分割精度更高，实例分割速度更快

答案：A

解析：语义分割为每个像素分配类别标签（如“人”“车”），但不区分同一类别的不同个体；实例分割不仅分配类别，还需为同一类别的不同个体（如不同人）分配唯一ID。选项B错误，两者均可处理多类别；选项C错误，均以卷积为主；选项D无必然关系，故正确答案为A。

卷积神经网络（CNN）中，池化层（Pooling）的主要作用是？

A.增加特征图的空间分辨率

B.减少计算量并提取局部不变性特征

C.增强特征图的通道数

D.直接连接输入与输出实现跳跃连接

答案：B

解析：池化层（如最大池化、平均池化）通过降采样（如2×2池化步长2）减少特征图尺寸，降低计算量，同时保留局部区域的关键特征（如最大池化保留最显著特征），增强平移不变性。选项A错误（池化降低分辨率），选项C是卷积层的作用，选项D是残差块的功能，故正确答案为B。

以下哪个模型是单阶段（One-stage）目标检测算法？

A.FasterR-CNN

B.MaskR-CNN

C.YOLOv5

D.R-FCN

答案：C

解析：单阶段算法直接通过网络回归目标框和类别（如YOLO、SSD），两阶段算法先通过区域建议网络（RPN）生成候选框再分类（如FasterR-CNN、MaskR-CNN、R-FCN）。故正确答案为C。

在图像分类任务中，Softmax激活函数的主要作用是？

A.将输出值映射为概率分布

B.增加非线性表达能力

C.防止过拟合

D.加速梯度计算

答案：A

解析：Softmax将网络输出的logits转换为0-1之间的概率值，且所有类别概率和为1，适用于多分类任务的概率预测。选项B是ReLU等激活函数的作用，选项C是Dropout或正则化的功能，选项D是优化器的作用，故正确答案为A。

以下哪项不属于三维视觉（3DVision）的典型任务？

A.点云分割（PointCloudSegmentation）

B.多视图立体匹配（Multi-viewStereo）

C.光流估计（OpticalFlowEstimation）

D.三维重建（3DReconstruction）

答案：C

解析：光流估计是二维视觉任务，用于计算视频帧间像素的运动向量；三维视觉任务包括点云处理、多视图重建、三维目标检测等。故正确答案为C。

自注意力机制（Self-Attention）在视觉Transformer（ViT）中的核心作用是？

A.替代卷积操作，捕捉长距离依赖关系

B.增加网络深度，提升特征提取能力

C.减少参数量，降低计算复杂度

D