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

计算机视觉的主流算法和评估方法 题目预览

• 第 1 题 单选题
  适合移动端部署的轻量级分类网络是（ ）。
  • A. ResNet
  • B. MobileNet
  • C. VGG
  • D. AlexNet
  解析：MobileNet使用深度可分离卷积，参数量少，计算量小，适合移动端部署。
• 第 2 题 单选题
  在分类器部分使用全局平均池化替代全连接层以减少参数的网络是（ ）。
  • A. LeNet
  • B. AlexNet
  • C. VGG
  • D. GoogLeNet
  解析：GoogLeNet（Inception v1）在最后使用全局平均池化层代替全连接层，大幅减少参数量。
• 第 3 题 单选题
  最早采用多GPU并行训练以加速深度网络训练的图像分类网络是（ ）。
  • A. AlexNet
  • B. VGG
  • C. GoogLeNet
  • D. ResNet
  解析：AlexNet首次使用两块GPU并行训练，将网络分布在两个GPU上。
• 第 4 题 单选题
  使用残差连接使得可以训练超过100层深度的网络是（ ）。
  • A. AlexNet
  • B. VGG
  • C. ResNet
  • D. DenseNet
  解析：ResNet引入残差块，通过跳跃连接解决梯度消失问题，从而能够训练极深网络。
• 第 5 题 判断题
  在图像分类任务中，VGG网络通过使用小卷积核堆叠替代大卷积核，在增加深度的同时保持参数量基本不变。
  • A. 对
  • B. 错
  解析：VGG使用3x3小卷积核堆叠，实际上参数量大幅增加，因为层数增多且通道数增加。
• 第 6 题 判断题
  MobileNet V2引入了倒残差结构和线性瓶颈层，提高了轻量级网络的性能。
  • A. 对
  • B. 错
  解析：MobileNet V2确实引入了倒残差结构和线性瓶颈层，在保持低计算量的同时提升了准确率。
• 第 7 题 多选题
  以下属于图像分类中常用卷积神经网络结构的有（ ）。
  • A. 残差连接
  • B. Inception模块
  • C. 注意力机制
  • D. 长短时记忆网络
  • E. 反向传播算法
  解析：残差连接是ResNet的核心，Inception模块是GoogLeNet的核心，注意力机制如SE模块用于分类。LSTM通常用于序列数据，反向传播是训练算法，不是网络结构。
• 第 8 题 多选题
  以下关于图像分类算法适用场景的描述正确的有（ ）。
  • A. MobileNet适合资源受限的移动端设备
  • B. ResNet适合需要高精度的复杂场景
  • C. VGG由于参数量大，不适合实时推理
  • D. AlexNet仍然是最先进的分类算法
  • E. EfficientNet通过复合缩放获得效率与精度的平衡
  解析：A正确，MobileNet轻量；B正确，ResNet深度大精度高；C正确，VGG参数量大速度慢；D错误，AlexNet已不是最先进；E正确，EfficientNet的复合缩放策略平衡了效率与精度。