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

计算机视觉主流算法的细节和特点 题目预览

• 第 1 题 单选题
  在卷积神经网络中，卷积层的主要作用是（ ）。
  • A. 提取局部特征
  • B. 降低特征图维度
  • C. 实现分类决策
  • D. 增加非线性表达
  解析：卷积层通过卷积核在输入上滑动并计算点积，能够有效提取局部空间特征，是CNN的核心操作。
• 第 2 题 单选题
  在典型的卷积神经网络结构中，池化层通常采用（ ）操作来减小特征图的空间尺寸。
  • A. 上采样
  • B. 下采样
  • C. 转置卷积
  • D. 批量归一化
  解析：池化层通过最大值或平均值采样，对特征图进行下采样，从而降低分辨率并减少参数量。
• 第 3 题 单选题
  卷积神经网络中的“权值共享”特性主要体现在（ ）中。
  • A. 全连接层
  • B. 池化层
  • C. 卷积层
  • D. 激活函数层
  解析：卷积层使用同一个卷积核在整个输入上滑动，所有位置共享同一组权重，极大减少了参数数量。
• 第 4 题 单选题
  在卷积神经网络中，常用ReLU激活函数的主要优点是（ ）。
  • A. 输出范围在0到1之间
  • B. 可微分且处处非零
  • C. 具有饱和性防止过拟合
  • D. 缓解梯度消失问题
  解析：ReLU在正区间梯度恒为1，避免了Sigmoid或Tanh在深层网络中梯度衰减的问题，有效缓解梯度消失。
• 第 5 题 判断题
  在卷积神经网络中，使用多个小卷积核（如3×3）堆叠可以替代单个大卷积核（如7×7），并且参数量更少、非线性更强。
  • A. 对
  • B. 错
  解析：多个小卷积核堆叠具有与大卷积核相同的感受野，但参数量更少，且多层非线性激活增加了表达能力。
• 第 6 题 判断题
  最大池化层在所有情况下都优于平均池化层。
  • A. 对
  • B. 错
  解析：最大池化突出强特征，平均池化保留整体背景信息，两者适用场景不同，不存在绝对优劣。
• 第 7 题 多选题
  下列属于卷积神经网络（CNN）核心结构的有（ ）。
  • A. 卷积层
  • B. 循环层
  • C. 池化层
  • D. 全连接层
  • E. 注意力层
  解析：CNN的基本组成包括卷积层、池化层和全连接层，循环层和注意力层并非CNN的必备核心结构。
• 第 8 题 多选题
  关于卷积神经网络中的感受野，以下说法正确的有（ ）。
  • A. 感受野是卷积核所能覆盖的输入区域大小
  • B. 多层卷积可以逐步扩大感受野
  • C. 感受野越大，网络性能一定越好
  • D. 感受野大小与卷积核尺寸和步长有关
  • E. 池化操作可以间接增大感受野
  解析：A正确描述感受野定义，B正确（堆叠卷积扩大视野），C错误（过大可能丢失局部细节），D正确（卷积核大或步长大感受野大），E正确（池化下采样使后续卷积覆盖更大原始区域）。