人工智能工程技术人员四级中级工-计算机视觉产品实现 详细题库

常用模型的使用方法，如文本生成目标检测、图像分割、机器翻译等 题目预览

• 第 1 题 单选题
  目标检测两阶段模型的典型代表是（ ）。
  • A. Faster R-CNN
  • B. YOLO
  • C. SSD
  • D. RetinaNet
  解析：两阶段目标检测模型将检测任务分为候选区域生成和分类回归两个阶段，Faster R-CNN是其中最经典的代表，而YOLO、SSD、RetinaNet均为单阶段模型。
• 第 2 题 单选题
  单阶段目标检测模型中用于解决正负样本不平衡问题的常用方法是（ ）。
  • A. OHEM
  • B. Focal Loss
  • C. 难例挖掘
  • D. 数据增强
  解析：Focal Loss通过调整交叉熵损失中难分类样本的权重，有效缓解单阶段检测中正负样本极度不平衡的问题，RetinaNet首次提出并应用此方法。
• 第 3 题 单选题
  在实时性要求较高的工业检测场景中，通常优先选用（ ）。
  • A. Faster R-CNN
  • B. Mask R-CNN
  • C. YOLO
  • D. DETR
  解析：YOLO系列属于单阶段检测模型，推理速度快，适合实时场景；Faster R-CNN和Mask R-CNN为两阶段模型，速度较慢；DETR基于Transformer，计算量大，实时性不足。
• 第 4 题 单选题
  基于Transformer架构的目标检测模型是（ ）。
  • A. YOLOv5
  • B. SSD
  • C. Faster R-CNN
  • D. DETR
  解析：DETR（Detection Transformer）将Transformer引入目标检测，将检测视为集合预测问题，直接输出目标框和类别，摒弃了锚点框和非极大值抑制等传统组件。
• 第 5 题 判断题
  单阶段目标检测模型的检测精度通常高于两阶段目标检测模型。
  • A. 对
  • B. 错
  解析：两阶段模型由于包含区域提议网络（RPN）进行精细筛选，通常检测精度更高；单阶段模型优势在于速度，精度一般略低于两阶段模型。
• 第 6 题 判断题
  所有基于YOLO系列的目标检测模型均采用锚点框（anchor）机制。
  • A. 对
  • B. 错
  解析：YOLOv1未使用锚点框，YOLOv2首次引入锚点框，后续版本（如YOLOv5）多沿用；但YOLOX等新一代模型采用无锚点（anchor-free）设计。
• 第 7 题 多选题
  以下属于单阶段目标检测模型的有（ ）。
  • A. YOLO
  • B. SSD
  • C. Faster R-CNN
  • D. RetinaNet
  • E. Mask R-CNN
  解析：YOLO、SSD和RetinaNet均为单阶段模型，直接在特征图上预测目标框和类别；Faster R-CNN和Mask R-CNN属于两阶段模型。
• 第 8 题 多选题
  在实际项目中选择目标检测模型时需要考虑的主要因素包括（ ）。
  • A. 推理速度
  • B. 检测精度
  • C. 模型参数量
  • D. 是否支持小目标检测
  • E. 训练数据中的类别数量
  解析：推理速度影响实时性，检测精度决定任务效果，模型参数量影响部署资源，小目标检测能力取决于特征图分辨率和感受野设计；训练数据中的类别数量通常不是模型选型的直接因素，而是由任务本身决定。