AI視覺檢測工程師崗位招聘考試試卷及答案一、填空題（共10題，每題1分）1.OpenCV中用于圖像高斯模糊的函數(shù)是______2.以動態(tài)計算圖著稱的主流深度學(xué)習(xí)框架是______3.圖像像素值歸一化到[0,1]的常用除數(shù)是______4.YOLOv5輸出層預(yù)測目標(biāo)的類別和______5.圖像分類任務(wù)常用的損失函數(shù)是______6.OpenCV讀取圖像的函數(shù)是______7.卷積神經(jīng)網(wǎng)絡(luò)中減少特征圖維度的層是______8.FasterR-CNN的核心組件RPN全稱是______9.圖像增強中隨機翻轉(zhuǎn)的常用方式是______10.語義分割常用模型除U-Net外還有______二、單項選擇題（共10題，每題2分）1.以下屬于單階段目標(biāo)檢測的是？A.FasterR-CNNB.YOLOv5C.MaskR-CNND.R-CNN2.圖像去均值的主要作用是？A.加快訓(xùn)練B.增加像素值C.放大圖像D.轉(zhuǎn)換顏色3.以下不是深度學(xué)習(xí)框架的是？A.TensorFlowB.PyTorchC.OpenCVD.MXNet4.YOLOv5默認(rèn)輸入圖像尺寸是？A.320×320B.640×640C.416×416D.224×2245.卷積核的核心作用是？A.提取特征B.壓縮圖像C.降噪D.調(diào)亮度6.目標(biāo)檢測邊界框回歸常用損失函數(shù)是？A.交叉熵B.MSEC.對數(shù)損失D.Hinge損失7.OpenCV轉(zhuǎn)灰度圖的函數(shù)是？A.cv2.COLOR_BGR2GRAYB.cv2.grayC.cv2.rgb2grayD.cv2.convert8.語義分割與圖像分類的區(qū)別是？A.輸出像素類別B.輸出圖像類別C.輸出目標(biāo)框D.輸出目標(biāo)數(shù)9.實例分割常用模型是？A.U-NetB.FCNC.MaskR-CNND.YOLOv510.數(shù)據(jù)增強隨機旋轉(zhuǎn)的常用角度范圍是？A.0-10°B.0-30°C.0-90°D.0-180°三、多項選擇題（共10題，每題2分）1.圖像預(yù)處理常用操作包括？A.歸一化B.去均值C.縮放D.翻轉(zhuǎn)2.屬于目標(biāo)檢測算法的是？A.YOLOv5B.FasterR-CNNC.U-NetD.MaskR-CNN3.深度學(xué)習(xí)常用優(yōu)化器有？A.SGDB.AdamC.RMSpropD.L2正則4.圖像增強方法包括？A.隨機翻轉(zhuǎn)B.隨機旋轉(zhuǎn)C.高斯噪聲D.直方圖均衡化5.卷積神經(jīng)網(wǎng)絡(luò)包含的層是？A.卷積層B.池化層C.全連接層D.激活層6.語義分割應(yīng)用場景有？A.醫(yī)學(xué)圖像分割B.自動駕駛場景分割C.圖像分類D.目標(biāo)檢測7.OpenCV支持的顏色空間有？A.BGRB.RGBC.GRAYD.HSV8.圖像任務(wù)常用損失函數(shù)有？A.交叉熵B.MSEC.Dice損失D.對數(shù)損失9.數(shù)據(jù)標(biāo)注常用工具有？A.LabelImgB.LabelMeC.COCOAnnotatorD.Photoshop10.單階段目標(biāo)檢測算法是？A.YOLO系列B.SSDC.FasterR-CNND.R-CNN四、判斷題（共10題，每題2分）1.OpenCV是深度學(xué)習(xí)框架。（）2.YOLOv5是雙階段檢測算法。（）3.池化層可減少特征圖尺寸。（）4.語義分割輸出每個像素的類別。（）5.Adam優(yōu)化器比SGD收斂更快。（）6.圖像歸一化到[0,1]是除以128。（）7.MaskR-CNN可同時檢測和分割實例。（）8.FCN無全連接層。（）9.數(shù)據(jù)增強可防止過擬合。（）10.卷積核越大提取特征越細(xì)。（）五、簡答題（共4題，每題5分）1.簡述圖像預(yù)處理歸一化的作用。2.對比單階段與雙階段目標(biāo)檢測的區(qū)別。3.簡述YOLOv5的核心優(yōu)勢。4.什么是數(shù)據(jù)增強？列舉3種常用方法及作用。六、討論題（共2題，每題5分）1.工業(yè)AI視覺檢測中如何選擇合適的目標(biāo)檢測算法？2.工業(yè)視覺檢測常見挑戰(zhàn)及解決方案有哪些？---答案部分一、填空題答案1.cv2.GaussianBlur2.PyTorch3.2554.邊界框（坐標(biāo)）5.交叉熵?fù)p失6.cv2.imread7.池化層（下采樣層）8.區(qū)域提議網(wǎng)絡(luò)9.水平/垂直翻轉(zhuǎn)10.FCN（全卷積網(wǎng)絡(luò)）二、單項選擇題答案1.B2.A3.C4.B5.A6.B7.A8.A9.C10.B三、多項選擇題答案1.ABCD2.ABD3.ABC4.ABCD5.ABCD6.AB7.ABCD8.ABCD9.ABC10.AB四、判斷題答案1.×2.×3.√4.√5.√6.×7.√8.√9.√10.×五、簡答題答案1.歸一化作用：①使像素值范圍一致，避免梯度更新不穩(wěn)定；②加速模型收斂（優(yōu)化器易找最優(yōu)解）；③增強泛化能力，減少過擬合；④部分歸一化（去均值）消除像素均值偏差，優(yōu)化訓(xùn)練效率。2.單階段vs雙階段：單階段（YOLO/SSD）：直接輸出類別+框，速度快（實時檢測），精度稍低；雙階段（FasterR-CNN）：先RPN生成候選區(qū)，再分類回歸，精度高（小目標(biāo)友好），速度慢。選擇需結(jié)合場景（實時性vs精度）。3.YOLOv5優(yōu)勢：①實時性強（GPU幾十幀/秒）；②部署友好（支持TensorRT/ONNX，輕量化版適配邊緣設(shè)備）；③精度平衡（CSP結(jié)構(gòu)+Focus模塊優(yōu)化特征提?。?；④易用性高（開源完善，自定義訓(xùn)練簡單）。4.數(shù)據(jù)增強：通過變換圖像增加多樣性，防過擬合。常用方法：①隨機翻轉(zhuǎn)（水平/垂直，增方向多樣性）；②隨機旋轉(zhuǎn)（0-30°，避角度敏感）；③高斯噪聲（增抗噪能力）。六、討論題答案1.算法選擇邏輯：①實時性：邊緣/實時場景選單階段（YOLOv5s/SSD）；②精度：小目標(biāo)/高要求選雙階段（FasterR-CNN）；③資源：邊緣設(shè)備選輕量化（YOLOv5n/MobileNet-SSD）；④數(shù)據(jù)：小數(shù)據(jù)集選泛化性好的算