2025年《計算機視覺》知識考試題庫及答案解析單位所屬部門：________姓名：________考場號：________考生號：________一、選擇題1.計算機視覺中，用于描述圖像局部特征的算法是（）A.主成分分析B.K-均值聚類C.SIFTD.決策樹答案：C解析：SIFT（尺度不變特征變換）算法專門用于檢測圖像中的局部特征點，具有旋轉(zhuǎn)、縮放、光照變化等不變性，廣泛應(yīng)用于圖像匹配和三維重建等領(lǐng)域。主成分分析是降維方法，K-均值聚類是分類算法，決策樹是機器學(xué)習(xí)模型。2.在圖像處理中，下列哪種方法不屬于圖像增強技術(shù)（）A.直方圖均衡化B.銳化濾波C.圖像去噪D.色彩空間轉(zhuǎn)換答案：D解析：圖像增強技術(shù)旨在改善圖像質(zhì)量或突出特定信息。直方圖均衡化和銳化濾波都屬于增強技術(shù)，圖像去噪也是通過增強技術(shù)實現(xiàn)的。色彩空間轉(zhuǎn)換只是數(shù)據(jù)表示方式的改變，本身不直接增強圖像質(zhì)量。3.計算機視覺中，用于評估目標(biāo)檢測算法性能的指標(biāo)是（）A.相關(guān)系數(shù)B.均方誤差C.精確率與召回率D.自相關(guān)函數(shù)答案：C解析：目標(biāo)檢測算法通常用精確率（Precision）和召回率（Recall）來評價，這兩個指標(biāo)分別衡量了檢測結(jié)果的準(zhǔn)確性和完整性。相關(guān)系數(shù)用于衡量線性關(guān)系，均方誤差用于回歸問題評估，自相關(guān)函數(shù)是信號處理中的概念。4.以下哪種方法常用于圖像分割（）A.神經(jīng)網(wǎng)絡(luò)B.支持向量機C.K-最近鄰D.聚類分析答案：D解析：圖像分割是將圖像劃分為多個區(qū)域的過程。聚類分析（如K-均值）通過距離度量將像素分組，是典型的分割方法。神經(jīng)網(wǎng)絡(luò)和SVM常用于分類任務(wù)，K-NN用于分類和回歸。5.計算機視覺中，"深度"相機與普通相機的主要區(qū)別是（）A.像素數(shù)量更多B.分辨率更高C.具備測量距離的能力D.使用紅外傳感器答案：C解析：深度相機（如結(jié)構(gòu)光或ToF相機）能夠直接測量場景中各點的三維坐標(biāo)，而普通相機只能提供二維圖像信息。其他選項描述的是不同類型的相機改進(jìn)。6.在特征提取中，HOG（方向梯度直方圖）描述的是（）A.圖像邊緣信息B.顏色分布C.灰度共生矩陣D.方向梯度分布答案：D解析：HOG特征通過計算圖像局部區(qū)域的梯度方向直方圖來描述物體的形狀和外觀，特別適用于行人檢測等任務(wù)。邊緣信息由Canny算子等提取，顏色分布用直方圖表示，灰度共生矩陣（GLCM）描述紋理。7.計算機視覺中，"錨框"（AnchorBox）主要用于（）A.圖像分類B.目標(biāo)檢測C.特征提取D.圖像分割答案：B解析：錨框是目標(biāo)檢測框架（如FasterR-CNN）中預(yù)定義的邊界框模板，用于預(yù)測實際目標(biāo)的位置和尺寸。圖像分類使用softmax輸出，特征提取使用卷積層，圖像分割使用像素級分類。8.光流法中，Lucas-Kanade方法主要解決（）A.相似性變換B.仿射變換C.透視變換D.運動估計答案：D解析：Lucas-Kanade光流法通過最小化窗口內(nèi)像素點的光流約束來估計局部運動場，是一種運動估計技術(shù)。相似性、仿射和透視變換是幾何模型類型，光流本身不限定于某類變換。9.計算機視覺中，"數(shù)據(jù)增強"的主要目的是（）A.提高模型泛化能力B.減少訓(xùn)練時間C.增加圖像分辨率D.降低噪聲水平答案：A解析：數(shù)據(jù)增強通過隨機變換（如旋轉(zhuǎn)、裁剪）擴(kuò)充訓(xùn)練集，使模型對未見數(shù)據(jù)具有更好的魯棒性。它不直接減少訓(xùn)練時間、改變分辨率或降低噪聲。10.在多任務(wù)學(xué)習(xí)框架中，以下哪種方法不屬于特征共享策略（）A.公共骨干網(wǎng)絡(luò)B.特征金字塔C.注意力機制D.獨立子網(wǎng)絡(luò)答案：D解析：多任務(wù)學(xué)習(xí)通常通過共享網(wǎng)絡(luò)層（如公共骨干）或特征（如特征金字塔）來復(fù)用信息。注意力機制可以動態(tài)選擇相關(guān)特征，但不是共享結(jié)構(gòu)。獨立子網(wǎng)絡(luò)意味著完全分離的訓(xùn)練，不屬于共享策略。11.計算機視覺中，用于描述圖像局部特征的算法是（）A.主成分分析B.K-均值聚類C.SIFTD.決策樹答案：C解析：SIFT（尺度不變特征變換）算法專門用于檢測圖像中的局部特征點，具有旋轉(zhuǎn)、縮放、光照變化等不變性，廣泛應(yīng)用于圖像匹配和三維重建等領(lǐng)域。主成分分析是降維方法，K-均值聚類是分類算法，決策樹是機器學(xué)習(xí)模型。12.在圖像處理中，下列哪種方法不屬于圖像增強技術(shù)（）A.直方圖均衡化B.銳化濾波C.圖像去噪D.色彩空間轉(zhuǎn)換答案：D解析：圖像增強技術(shù)旨在改善圖像質(zhì)量或突出特定信息。直方圖均衡化和銳化濾波都屬于增強技術(shù)，圖像去噪也是通過增強技術(shù)實現(xiàn)的。色彩空間轉(zhuǎn)換只是數(shù)據(jù)表示方式的改變，本身不直接增強圖像質(zhì)量。13.計算機視覺中，用于評估目標(biāo)檢測算法性能的指標(biāo)是（）A.相關(guān)系數(shù)B.均方誤差C.精確率與召回率D.自相關(guān)函數(shù)答案：C解析：目標(biāo)檢測算法通常用精確率（Precision）和召回率（PrecisionandRecall）來評價，這兩個指標(biāo)分別衡量了檢測結(jié)果的準(zhǔn)確性和完整性。相關(guān)系數(shù)用于衡量線性關(guān)系，均方誤差用于回歸問題評估，自相關(guān)函數(shù)是信號處理中的概念。14.以下哪種方法常用于圖像分割（）A.神經(jīng)網(wǎng)絡(luò)B.支持向量機C.K-最近鄰D.聚類分析答案：D解析：圖像分割是將圖像劃分為多個區(qū)域的過程。聚類分析（如K-均值）通過距離度量將像素分組，是典型的分割方法。神經(jīng)網(wǎng)絡(luò)和SVM常用于分類任務(wù)，K-NN用于分類和回歸。15.計算機視覺中，“深度”相機與普通相機的主要區(qū)別是（）A.像素數(shù)量更多B.分辨率更高C.具備測量距離的能力D.使用紅外傳感器答案：C解析：深度相機（如結(jié)構(gòu)光或ToF相機）能夠直接測量場景中各點的三維坐標(biāo)，而普通相機只能提供二維圖像信息。其他選項描述的是不同類型的相機改進(jìn)。16.在特征提取中，HOG（方向梯度直方圖）描述的是（）A.圖像邊緣信息B.顏色分布C.灰度共生矩陣D.方向梯度分布答案：D解析：HOG特征通過計算圖像局部區(qū)域的梯度方向直方圖來描述物體的形狀和外觀，特別適用于行人檢測等任務(wù)。邊緣信息由Canny算子等提取，顏色分布用直方圖表示，灰度共生矩陣（GLCM）描述紋理。17.計算機視覺中，“錨框”（AnchorBox）主要用于（）A.圖像分類B.目標(biāo)檢測C.特征提取D.圖像分割答案：B解析：錨框是目標(biāo)檢測框架（如FasterR-CNN）中預(yù)定義的邊界框模板，用于預(yù)測實際目標(biāo)的位置和尺寸。圖像分類使用softmax輸出，特征提取使用卷積層，圖像分割使用像素級分類。18.光流法中，Lucas-Kanade方法主要解決（）A.相似性變換B.仿射變換C.透視變換D.運動估計答案：D解析：Lucas-Kanade光流法通過最小化窗口內(nèi)像素點的光流約束來估計局部運動場，是一種運動估計技術(shù)。相似性、仿射和透視變換是幾何模型類型，光流本身不限定于某類變換。19.計算機視覺中，"數(shù)據(jù)增強"的主要目的是（）A.提高模型泛化能力B.減少訓(xùn)練時間C.增加圖像分辨率D.降低噪聲水平答案：A解析：數(shù)據(jù)增強通過隨機變換（如旋轉(zhuǎn)、裁剪）擴(kuò)充訓(xùn)練集，使模型對未見數(shù)據(jù)具有更好的魯棒性。它不直接減少訓(xùn)練時間、改變分辨率或降低噪聲。20.在多任務(wù)學(xué)習(xí)框架中，以下哪種方法不屬于特征共享策略（）A.公共骨干網(wǎng)絡(luò)B.特征金字塔C.注意力機制D.獨立子網(wǎng)絡(luò)答案：D解析：多任務(wù)學(xué)習(xí)通常通過共享網(wǎng)絡(luò)層（如公共骨干）或特征（如特征金字塔）來復(fù)用信息。注意力機制可以動態(tài)選擇相關(guān)特征，但不是共享結(jié)構(gòu)。獨立子網(wǎng)絡(luò)意味著完全分離的訓(xùn)練，不屬于共享策略。二、多選題1.計算機視覺中，以下哪些屬于圖像的基本屬性（）A.灰度B.色彩C.分辨率D.亮度E.對比度答案：ABC解析：圖像的基本屬性通常包括灰度（單通道圖像）、色彩（多通道圖像，如RGB）和分辨率（像素數(shù)量）。亮度是色彩的一個維度，對比度描述灰度或色彩的反差程度，但它們不是圖像的基本屬性，而是圖像內(nèi)容的體現(xiàn)。分辨率是量化圖像細(xì)節(jié)密度的關(guān)鍵屬性。2.計算機視覺中，以下哪些方法可用于邊緣檢測（）A.Sobel算子B.Prewitt算子C.Canny算子D.LoG算子E.直方圖均衡化答案：ABCD解析：Sobel、Prewitt、Canny和LoG算子都是常用的邊緣檢測算法，它們通過計算圖像梯度或二階導(dǎo)數(shù)響應(yīng)來定位邊緣。直方圖均衡化是增強技術(shù)，用于改善圖像對比度，不用于邊緣檢測。3.計算機視覺中，以下哪些屬于傳統(tǒng)特征描述子（）A.SIFTB.SURFC.ORBD.HOGE.CNN特征答案：ABCD解析：SIFT（尺度不變特征變換）、SURF（加速穩(wěn)健特征）、ORB（OrientedFASTandRotatedBRIEF）和HOG（方向梯度直方圖）都是經(jīng)典的局部或外觀特征描述子，廣泛應(yīng)用于傳統(tǒng)計算機視覺任務(wù)。CNN特征屬于深度學(xué)習(xí)特征，通常用于端到端任務(wù)。4.計算機視覺中，以下哪些是常見的圖像分類任務(wù)（）A.人臉識別B.顏色分類C.物體檢測D.手寫數(shù)字識別E.文本識別答案：BD解析：圖像分類任務(wù)是指將整個圖像分配到預(yù)定義的類別中。手寫數(shù)字識別和顏色分類（若類別為顏色）是典型的圖像分類問題。人臉識別屬于身份驗證，物體檢測是定位并分類，文本識別是光學(xué)字符識別，這些任務(wù)包含分類環(huán)節(jié)但本身不是純粹的圖像分類。5.計算機視覺中，以下哪些方法可用于圖像分割（）A.K-均值聚類B.區(qū)域生長C.超像素分割D.活動輪廓模型E.主成分分析答案：ABCD解析：K-均值聚類、區(qū)域生長、超像素分割和活動輪廓模型都是常用的圖像分割技術(shù)，分別基于像素相似性、區(qū)域連通性、超像素假設(shè)和能量最小化原理。主成分分析是降維方法，不直接用于分割。6.計算機視覺中，以下哪些屬于深度學(xué)習(xí)模型（）A.CNNB.RNNC.LSTMD.GANE.SVM答案：ABCD解析：CNN（卷積神經(jīng)網(wǎng)絡(luò)）、RNN（循環(huán)神經(jīng)網(wǎng)絡(luò)）、LSTM（長短期記憶網(wǎng)絡(luò)）和GAN（生成對抗網(wǎng)絡(luò)）都是現(xiàn)代深度學(xué)習(xí)框架中的典型模型。SVM（支持向量機）是機器學(xué)習(xí)模型，不屬于深度學(xué)習(xí)范疇。7.計算機視覺中，以下哪些因素會影響深度相機測距精度（）A.相機內(nèi)參B.相機間距C.物體紋理D.光照條件E.圖像分辨率答案：ACD解析：深度相機的測距精度受相機內(nèi)參（如焦距、畸變）校正、物體表面紋理（影響結(jié)構(gòu)光或ToF算法的反射）和光照條件（影響傳感器響應(yīng)）的影響。相機間距影響視差大小，但不是精度本身；圖像分辨率影響細(xì)節(jié)，但高分辨率不直接等同于高精度，精度更多取決于算法和物理原理。8.計算機視覺中，以下哪些屬于數(shù)據(jù)增強技術(shù)（）A.隨機裁剪B.水平翻轉(zhuǎn)C.彈性變形D.色彩抖動E.直方圖均衡化答案：ABCD解析：隨機裁剪、水平翻轉(zhuǎn)、彈性變形和色彩抖動（調(diào)整亮度、對比度、飽和度等）都是常見的數(shù)據(jù)增強方法，旨在增加數(shù)據(jù)多樣性，提高模型泛化能力。直方圖均衡化是增強技術(shù)，但通常不歸為數(shù)據(jù)增強類別，而是預(yù)處理步驟。9.計算機視覺中，以下哪些任務(wù)需要用到目標(biāo)檢測（）A.自動駕駛B.圖像檢索C.安防監(jiān)控D.醫(yī)學(xué)影像分析E.人機交互答案：ACE解析：目標(biāo)檢測旨在定位圖像中的目標(biāo)并分類。自動駕駛需要檢測車輛、行人、交通標(biāo)志；安防監(jiān)控需要檢測異常行為或特定人員；人機交互需要檢測用戶手勢或表情。圖像檢索主要是基于內(nèi)容的相似性搜索，醫(yī)學(xué)影像分析側(cè)重病變檢測（常結(jié)合分類和分割），不必然是通用目標(biāo)檢測。10.計算機視覺中，以下哪些屬于特征點匹配的應(yīng)用（）A.圖像拼接B.相似性搜索C.三維重建D.目標(biāo)跟蹤E.物體識別答案：ABCD解析：特征點匹配在多個領(lǐng)域有應(yīng)用。圖像拼接通過匹配特征點對齊圖像；相似性搜索利用匹配程度判斷圖片是否相似；三維重建通過匹配多視圖特征點計算場景結(jié)構(gòu)；目標(biāo)跟蹤利用特征點或模板匹配進(jìn)行目標(biāo)連續(xù)定位。物體識別通常使用分類器，但也可利用匹配到的特征點輔助識別。11.計算機視覺中，以下哪些屬于圖像的基本屬性（）A.灰度B.色彩C.分辨率D.亮度E.對比度答案：ABC解析：圖像的基本屬性通常包括灰度（單通道圖像）、色彩（多通道圖像，如RGB）和分辨率（像素數(shù)量）。亮度是色彩的一個維度，對比度描述灰度或色彩的反差程度，但它們不是圖像的基本屬性，而是圖像內(nèi)容的體現(xiàn)。分辨率是量化圖像細(xì)節(jié)密度的關(guān)鍵屬性。12.計算機視覺中，以下哪些方法可用于邊緣檢測（）A.Sobel算子B.Prewitt算子C.Canny算子D.LoG算子E.直方圖均衡化答案：ABCD解析：Sobel、Prewitt、Canny和LoG算子都是常用的邊緣檢測算法，它們通過計算圖像梯度或二階導(dǎo)數(shù)響應(yīng)來定位邊緣。直方圖均衡化是增強技術(shù)，用于改善圖像對比度，不用于邊緣檢測。13.計算機視覺中，以下哪些屬于傳統(tǒng)特征描述子（）A.SIFTB.SURFC.ORBD.HOGE.CNN特征答案：ABCD解析：SIFT（尺度不變特征變換）、SURF（加速穩(wěn)健特征）、ORB（OrientedFASTandRotatedBRIEF）和HOG（方向梯度直方圖）都是經(jīng)典的局部或外觀特征描述子，廣泛應(yīng)用于傳統(tǒng)計算機視覺任務(wù)。CNN特征屬于深度學(xué)習(xí)特征，通常用于端到端任務(wù)。14.計算機視覺中，以下哪些是常見的圖像分類任務(wù)（）A.人臉識別B.顏色分類C.物體檢測D.手寫數(shù)字識別E.文本識別答案：BD解析：圖像分類任務(wù)是指將整個圖像分配到預(yù)定義的類別中。手寫數(shù)字識別和顏色分類（若類別為顏色）是典型的圖像分類問題。人臉識別屬于身份驗證，物體檢測是定位并分類，文本識別是光學(xué)字符識別，這些任務(wù)包含分類環(huán)節(jié)但本身不是純粹的圖像分類。15.計算機視覺中，以下哪些方法可用于圖像分割（）A.K-均值聚類B.區(qū)域生長C.超像素分割D.活動輪廓模型E.主成分分析答案：ABCD解析：K-均值聚類、區(qū)域生長、超像素分割和活動輪廓模型都是常用的圖像分割技術(shù)，分別基于像素相似性、區(qū)域連通性、超像素假設(shè)和能量最小化原理。主成分分析是降維方法，不直接用于分割。16.計算機視覺中，以下哪些屬于深度學(xué)習(xí)模型（）A.CNNB.RNNC.LSTMD.GANE.SVM答案：ABCD解析：CNN（卷積神經(jīng)網(wǎng)絡(luò)）、RNN（循環(huán)神經(jīng)網(wǎng)絡(luò)）、LSTM（長短期記憶網(wǎng)絡(luò)）和GAN（生成對抗網(wǎng)絡(luò)）都是現(xiàn)代深度學(xué)習(xí)框架中的典型模型。SVM（支持向量機）是機器學(xué)習(xí)模型，不屬于深度學(xué)習(xí)范疇。17.計算機視覺中，以下哪些因素會影響深度相機測距精度（）A.相機內(nèi)參B.相機間距C.物體紋理D.光照條件E.圖像分辨率答案：ACD解析：深度相機的測距精度受相機內(nèi)參（如焦距、畸變）校正、物體表面紋理（影響結(jié)構(gòu)光或ToF算法的反射）和光照條件（影響傳感器響應(yīng)）的影響。相機間距影響視差大小，但不是精度本身；圖像分辨率影響細(xì)節(jié)，但高分辨率不直接等同于高精度，精度更多取決于算法和物理原理。18.計算機視覺中，以下哪些屬于數(shù)據(jù)增強技術(shù)（）A.隨機裁剪B.水平翻轉(zhuǎn)C.彈性變形D.色彩抖動E.直方圖均衡化答案：ABCD解析：隨機裁剪、水平翻轉(zhuǎn)、彈性變形和色彩抖動（調(diào)整亮度、對比度、飽和度等）都是常見的數(shù)據(jù)增強方法，旨在增加數(shù)據(jù)多樣性，提高模型泛化能力。直方圖均衡化是增強技術(shù)，但通常不歸為數(shù)據(jù)增強類別，而是預(yù)處理步驟。19.計算機視覺中，以下哪些任務(wù)需要用到目標(biāo)檢測（）A.自動駕駛B.圖像檢索C.安防監(jiān)控D.醫(yī)學(xué)影像分析E.人機交互答案：ACE解析：目標(biāo)檢測旨在定位圖像中的目標(biāo)并分類。自動駕駛需要檢測車輛、行人、交通標(biāo)志；安防監(jiān)控需要檢測異常行為或特定人員；人機交互需要檢測用戶手勢或表情。圖像檢索主要是基于內(nèi)容的相似性搜索，醫(yī)學(xué)影像分析側(cè)重病變檢測（常結(jié)合分類和分割），不必然是通用目標(biāo)檢測。20.計算機視覺中，以下哪些屬于特征點匹配的應(yīng)用（）A.圖像拼接B.相似性搜索C.三維重建D.目標(biāo)跟蹤E.物體識別答案：ABCD解析：特征點匹配在多個領(lǐng)域有應(yīng)用。圖像拼接通過匹配特征點對齊圖像；相似性搜索利用匹配程度判斷圖片是否相似；三維重建通過匹配多視圖特征點計算場景結(jié)構(gòu)；目標(biāo)跟蹤利用特征點或模板匹配進(jìn)行目標(biāo)連續(xù)定位。物體識別通常使用分類器，但也可利用匹配到的特征點輔助識別。三、判斷題1.計算機視覺中，SIFT特征具有旋轉(zhuǎn)不變性。（）答案：正確解析：SIFT（尺度不變特征變換）算法通過在多尺度空間檢測特征點，并使用主方向描述特征，從而實現(xiàn)了對旋轉(zhuǎn)的魯棒性。即使圖像旋轉(zhuǎn)，SIFT特征點的主方向也會相應(yīng)調(diào)整，保證了特征描述的一致性。2.計算機視覺中，圖像的分辨率越高，其細(xì)節(jié)信息就一定越多。（）答案：正確解析：分辨率是指圖像中像素的密度，通常用像素寬度和像素高度的乘積表示。更高的分辨率意味著圖像包含更多的像素，能夠更精細(xì)地表示圖像細(xì)節(jié)，因此細(xì)節(jié)信息通常更多。3.計算機視覺中，邊緣檢測算法的目的是消除圖像噪聲。（）答案：錯誤解析：邊緣檢測算法的主要目的是定位圖像中亮度變化明顯的像素點，即邊緣。雖然一些邊緣檢測算法（如Canny算子）包含去噪步驟，但其核心目的是檢測邊緣，而非單純的噪聲消除。噪聲消除通常由預(yù)處理步驟完成。4.計算機視覺中，物體檢測與目標(biāo)跟蹤是兩個完全獨立的概念。（）答案：錯誤解析：物體檢測和目標(biāo)跟蹤密切相關(guān)。物體檢測通常用于在單幀或連續(xù)幀圖像中定位目標(biāo)并分類，而目標(biāo)跟蹤則是在視頻序列中持續(xù)追蹤這些已檢測到的目標(biāo)。跟蹤往往建立在檢測結(jié)果之上，兩者常結(jié)合使用。5.計算機視覺中，直方圖均衡化可以提升圖像的全局對比度。（）答案：正確解析：直方圖均衡化通過重新分布圖像的像素灰度級，使得圖像灰度級的概率分布趨于均勻，從而增強圖像的全局對比度，尤其適用于整體偏暗或偏亮的圖像。6.計算機視覺中，深度學(xué)習(xí)模型可以完全替代傳統(tǒng)手工設(shè)計的特征提取方法。（）答案：錯誤解析：深度學(xué)習(xí)模型在許多視覺任務(wù)中取得了顯著成果，能夠自動學(xué)習(xí)特征表示。然而，在特定任務(wù)或資源受限場景下，傳統(tǒng)手工設(shè)計的特征（如SIFT、HOG）仍具有其獨特的優(yōu)勢，如計算效率高、領(lǐng)域適應(yīng)性好等。目前，深度學(xué)習(xí)和傳統(tǒng)方法往往結(jié)合使用。7.計算機視覺中，圖像分割的目標(biāo)是將圖像劃分為具有不同語義意義的區(qū)域。（）答案：正確解析：圖像分割的核心目標(biāo)是根據(jù)圖像的像素或區(qū)域特征，將圖像劃分為若干個語義上或視覺上具有一致性的部分。語義分割旨在區(qū)分不同物體類別，而實例分割則進(jìn)一步區(qū)分同一類別的不同實例。8.計算機視覺中，光流法只能估計剛體運動。（）答案：錯誤解析：光流法描述的是圖像中像素的運動矢量，它不僅可以估計剛體運動，還可以捕捉非剛性運動，如物體形變、毛發(fā)擺動等。只要場景中存在運動，光流法原則上都能估計其運動情況。9.計算機視覺中，數(shù)據(jù)增強的主要目的是為了增加訓(xùn)練數(shù)據(jù)集的規(guī)模。（）答案：錯誤解析：數(shù)據(jù)增強確實可以增加訓(xùn)練數(shù)據(jù)集的規(guī)模，但其更重要的目的是通過引入多樣性，提高模型的泛化能力和魯棒性，使其在未見過的數(shù)據(jù)上表現(xiàn)更好。10.計算機視覺中，3D重建只能基于單幅圖像進(jìn)行。（）答案：錯誤解析：3D重建通常需要多視角信息來計算場景的深度或三維結(jié)構(gòu)。雖然基于單幅圖像的3D重建（如深度圖反演）存在，但更常見和精確的方法是基于多視圖幾何，利用從不同角度拍攝的圖像或視頻序列進(jìn)行重建。四、簡答題1.簡述SIFT特征點的特點及其主要應(yīng)用。答案：SIFT（尺度不變