2026年计算机视觉与深度学习结合考题.docxVIP

第PAGE页共NUMPAGES页

2026年计算机视觉与深度学习结合考题

一、单选题（共10题，每题2分，总计20分）

1.在计算机视觉中，以下哪种技术通常用于解决光照变化对图像识别精度的影响？

A.图像增强

B.特征提取

C.归一化处理

D.数据增强

2.卷积神经网络（CNN）中，池化层的主要作用是？

A.增加网络参数

B.降低特征维度

C.提高网络泛化能力

D.改变输入数据的形状

3.在目标检测任务中，YOLOv5相较于FasterR-CNN的主要优势是？

A.更高的精度

B.更快的速度

C.更强的可解释性

D.更适合小目标检测

4.深度学习中，以下哪种方法常用于防止过拟合？

A.批归一化

B.Dropout

C.数据增强

D.权重衰减

5.在图像分割任务中，U-Net网络结构的核心特点是？

A.使用全局平均池化

B.双向注意力机制

C.跳跃连接

D.长短时记忆单元

6.在自动驾驶领域，以下哪种技术常用于车道线检测？

A.R-CNN

B.SSD

C.LaneNet

D.FasterR-CNN

7.在自然语言处理（NLP）中，Transformer模型的核心机制是？

A.卷积操作

B.递归神经网络

C.自注意力机制

D.批归一化

8.在语义分割中，以下哪种损失函数常用于处理类别不平衡问题？