人工智能圖像分割工程師崗位招聘考試試卷及答案試題部分一、填空題（每題1分，共10分）1.經(jīng)典語義分割網(wǎng)絡(luò)FCN的全稱是______。2.處理類別不平衡的常用損失函數(shù)是______（寫1個即可）。3.圖像分割評價指標“交并比”的英文縮寫是______。4.醫(yī)療圖像分割領(lǐng)域的經(jīng)典網(wǎng)絡(luò)是______。5.語義分割與實例分割的核心區(qū)別是是否區(qū)分______。6.Transformer-based分割模型如______（寫1個即可）。7.圖像分割后處理常用的形態(tài)學操作是______（如膨脹）。8.自適應(yīng)學習率的優(yōu)化器如______（寫1個即可）。9.自動駕駛分割常用數(shù)據(jù)集是______。10.FCN將分類網(wǎng)絡(luò)的全連接層替換為______。二、單項選擇題（每題2分，共20分）1.屬于實例分割的是？A.僅分像素類別B.區(qū)分同一類不同個體C.僅分割前景D.分語義+實例2.U-Net不包含的結(jié)構(gòu)是？A.編碼-解碼對稱B.跳躍連接C.全連接層D.卷積+池化3.適合類別不平衡分割的指標是？A.準確率B.召回率C.Dice系數(shù)D.混淆矩陣4.VOC2012的類別數(shù)是？A.20B.21C.30D.405.丟失空間位置信息的操作是？A.卷積B.池化C.轉(zhuǎn)置卷積D.跳躍連接6.SwinTransformer分割的不足是？A.處理大圖像B.捕捉長依賴C.計算效率高D.小模型部署難7.不屬于數(shù)據(jù)增強的是？A.旋轉(zhuǎn)B.翻轉(zhuǎn)C.修改標注D.縮放8.第一個全卷積語義分割網(wǎng)絡(luò)是？A.U-NetB.FCNC.MaskR-CNND.DeepLab9.醫(yī)療分割常用數(shù)據(jù)集是？A.CityscapesB.VOC2012C.BraTSD.COCO10.對小目標友好的損失函數(shù)是？A.Cross-EntropyB.DiceLossC.MSED.MAE三、多項選擇題（每題2分，共20分）1.圖像分割任務(wù)類型包括？A.語義分割B.實例分割C.全景分割D.目標檢測2.U-Net編碼部分包含？A.卷積層B.池化層C.跳躍連接D.轉(zhuǎn)置卷積3.常用分割評價指標有？A.IoUB.Dice系數(shù)C.召回率D.準確率4.Transformer-based分割模型是？A.Swin-UnetB.SegFormerC.U-NetD.FCN5.解決類別不平衡的方法有？A.加權(quán)損失B.過采樣C.欠采樣D.類別平衡損失6.分割后處理操作有？A.膨脹B.腐蝕C.連通域分析D.閾值分割7.常用分割數(shù)據(jù)集有？A.CityscapesB.COCOC.BraTSD.VOC20128.可用于分割訓練的優(yōu)化器是？A.AdamB.SGDC.RMSpropD.Adagrad9.語義分割改進方向是？A.多尺度融合B.注意力機制C.Transformer引入D.保留全連接10.分割部署需考慮？A.推理速度B.硬件適配C.精度損失D.模型大小四、判斷題（每題2分，共20分）1.FCN是第一個替換全連接為卷積的分割網(wǎng)絡(luò)。（）2.U-Net跳躍連接融合編碼-解碼特征。（）3.IoU越大，分割效果越好。（）4.DiceLoss對類別不平衡不敏感。（）5.Cityscapes是醫(yī)療分割數(shù)據(jù)集。（）6.實例分割不區(qū)分同一類個體。（）7.Transformer僅能處理自然圖像。（）8.池化降低圖像分辨率。（）9.全景分割=語義+實例分割。（）10.Adam學習率固定。（）五、簡答題（每題5分，共20分）1.簡述U-Net的結(jié)構(gòu)及核心優(yōu)勢。2.語義分割與實例分割的區(qū)別？3.列出3個分割評價指標并說明含義。4.如何解決分割中的類別不平衡問題？六、討論題（每題5分，共10分）1.對比CNN-based（如U-Net）和Transformer-based（如Swin-Unet）分割模型的優(yōu)劣勢。2.結(jié)合實際項目，談?wù)劮指钅Ｐ筒渴鸬年P(guān)鍵問題。答案部分一、填空題答案1.FullyConvolutionalNetworks2.DiceLoss（或FocalLoss）3.IoU4.U-Net5.同一類別不同個體6.Swin-Unet（或SegFormer）7.膨脹（或腐蝕）8.Adam（或RMSprop）9.Cityscapes10.卷積層二、單項選擇題答案1.B2.C3.C4.B5.B6.D7.C8.B9.C10.B三、多項選擇題答案1.ABC2.AB3.ABCD4.AB5.ABCD6.ABC7.ABCD8.ABCD9.ABC10.ABCD四、判斷題答案1.√2.√3.√4.×5.×6.×7.×8.√9.√10.×五、簡答題答案1.U-Net含編碼（卷積+池化下采樣）和解碼（轉(zhuǎn)置卷積+跳躍連接上采樣）兩部分。優(yōu)勢：跳躍連接保留細粒度特征，適合小目標；無全連接層，可處理任意尺寸圖像；結(jié)構(gòu)簡單易訓練。2.語義分割：給每個像素分配類別，不區(qū)分同一類個體；實例分割：分配類別+區(qū)分同一類不同個體；全景分割是兩者結(jié)合。3.①IoU：預(yù)測與真實區(qū)域交集/并集，衡量重疊度；②Dice系數(shù)：2×交集/(預(yù)測+真實)，適合類別不平衡；③召回率：真實正樣本中被預(yù)測為正的比例，衡量漏檢。4.①加權(quán)損失：給少數(shù)類加權(quán)重；②過采樣：復(fù)制少數(shù)類；③欠采樣：減少多數(shù)類；④類別平衡損失；⑤對少數(shù)類做數(shù)據(jù)增強（旋轉(zhuǎn)、翻轉(zhuǎn)）。六、討論題答案1.CNN優(yōu)勢：計算效率高，小模型易部署，局部特征捕捉強；不足：長距離依賴弱，大圖像處理差。Transformer優(yōu)勢：捕捉長依賴，大圖像處理好，泛化性強；不足：計算量大，小模型部署難，訓練成本高。實際可結(jié)合兩者（CNN提局部+Transformer抓全局）。2.①