2025年图像处理与计算机视觉考试试卷及答案

2025年图像处理与计算机视觉考试试卷及答案一、单项选择题（每题2分，共20分）1.以下哪种图像增强方法通过局部直方图均衡化改善对比度，同时抑制全局过度增强？A.全局直方图均衡化（HE）B.限制对比度自适应直方图均衡化（CLAHE）C.伽马校正（GammaCorrection）D.同态滤波（HomomorphicFiltering）2.在特征描述子中，以下哪项属于基于梯度方向统计的局部描述子？A.SIFT（尺度不变特征变换）B.ORB（OrientedFASTandRotatedBRIEF）C.LBP（局部二值模式）D.HOG（方向梯度直方图）3.目标检测模型YOLOv8相比FasterR-CNN的核心优势是？A.更高的检测精度B.更灵活的多尺度目标检测能力C.更快的推理速度D.更强大的小目标检测能力4.光流法中，“亮度恒定假设”指的是？A.相邻帧中同一像素点的亮度不随时间变化B.图像全局亮度分布均匀C.运动物体的亮度与背景亮度差异显著D.光流场在局部区域内平滑变化5.超分辨率（SR）任务中，ESRGAN（增强型超分辨率生成对抗网络）相比传统双三次插值的核心改进是？A.利用邻域像素的线性加权B.通过对抗学习恢复高频细节C.基于稀疏表示的图像重建D.采用多尺度金字塔特征融合6.以下哪项不是视觉Transformer（ViT）的关键组件？A.图像分块（PatchEmbedding）B.自注意力机制（Self-Attention）C.卷积核滑动窗口（SlidingWindow）D.位置编码（PositionEmbedding）7.在图像去噪任务中，非局部均值（NLM）算法的核心思想是？A.利用局部邻域像素的均值替代噪声点B.基于相似像素块的加权平均抑制噪声C.通过稀疏编码学习噪声字典D.采用小波变换分离噪声与信号8.多目标跟踪（MOT）中，“ID切换”（IDSwitch）指标反映的是？A.跟踪器对目标身份的持续正确识别能力B.跟踪框与真实框的位置重叠度C.跟踪器处理遮挡的鲁棒性D.跟踪算法的计算效率9.以下哪种损失函数最适合用于图像分割任务中的类别不平衡问题？A.交叉熵损失（Cross-EntropyLoss）B.Dice损失（DiceLoss）C.均方误差损失（MSELoss）D.三元组损失（TripletLoss）10.无监督域适应（UDA）在计算机视觉中的主要目标是？A.利用有标签源域数据训练模型，直接应用于无标签目标域B.减少源域与目标域之间的分布差异，提升模型泛化性C.通过自监督学习生成目标域的伪标签D.结合多模态数据增强目标域的标注信息二、填空题（每空1分，共15分）1.图像分辨率为1920×1080的彩色图像（RGB三通道），存储为无压缩的BMP格式时，文件大小为______字节（忽略文件头）。2.卷积核大小为3×3，步长（stride）为2，填充（padding）为1，输入特征图尺寸为64×64×3（H×W×C），则输出特征图的高度为______。3.深度学习中，常用于解决梯度消失问题的激活函数是______（写出一种）。4.目标检测中的“锚框”（AnchorBox）设计是为了应对______问题。5.立体匹配（StereoMatching）的核心任务是计算______，从而恢复场景的深度信息。6.图像风格迁移（StyleTransfer）中，内容损失通常基于______层的特征计算，风格损失基于______层的特征计算。7.光流法分为______（如Lucas-Kanade）和______（如Horn-Schunck）两类，前者假设局部光流平滑，后者假设全局光流平滑。8.视频目标分割（VOS）的两种主流方法是______（基于单帧分割扩展）和______（基于时序信息联合建模）。9.零样本学习（Zero-ShotLearning）的关键是建立______与视觉特征之间的映射，使得模型能识别未训练过的类别。三、简答题（每题8分，共32分）1.简述超分辨率任务中“端到端学习”相比传统插值+后处理方法的优势，并举例说明典型网络结构（如EDSR或SwinIR）的核心设计。2.解释视觉Transformer（ViT）中“自注意力机制”如何捕捉长距离依赖，并对比其与卷积神经网络（CNN）在特征提取上的差异。3.多模态融合（如图像-文本）在计算机视觉中有哪些典型应用？试分析融合过程中可能遇到的挑战（如模态异质性、对齐问题）。4.无监督域适应（UDA）常采用“对抗式适应”方法，说明其基本流程（包括源域、目标域数据的处理，判别器的作用）。四、算法分析题（每题10分，共20分）1.U-Net是医学图像分割的经典模型，分析其“编码器-解码器”结构的设计动机，并说明跳跃连接（SkipConnection）在医学图像分割中的具体作用（如小目标保留、细节恢复）。2.对比ResNet（残差网络）与DenseNet（密集连接网络）的残差连接方式，分析DenseNet在参数效率和特征复用方面的优势。五、综合应用题（13分）设计一个基于计算机视觉的“智能垃圾分类系统”，要求包含以下模块：（1）数据采集与标注：说明目标类别（如可回收物、厨余垃圾、有害垃圾、其他垃圾）、数据来源（如公开数据集、自主采集）及标注方法（如边界框、语义分割）；（2）预处理：列举至少3种针对垃圾图像的预处理操作（如光照归一化、数据增强）及其作用；（3）模型选择：推荐一种目标检测或图像分类模型（如YOLOv8、ResNet-50），并说明选择理由（如实时性、小目标检测能力）；（4）评估指标：列出至少3种评估模型性能的指标（如mAP、准确率、F1分数），并解释其含义；（5）优化策略：提出至少2种提升模型在复杂场景（如遮挡、模糊垃圾）下鲁棒性的方法（如数据增强、注意力机制）。参考答案一、单项选择题1.B2.A3.C4.A5.B6.C7.B8.A9.B10.B二、填空题1.1920×1080×3=6,220,8002.(64+2×1-3)/2+1=323.ReLU（或LeakyReLU、GELU等）4.目标尺度变化（或多尺度目标检测）5.视差（Disparity）6.高层（如VGG的conv4_2）；低层（如conv1_1、conv2_1等）7.基于块匹配；基于变分法8.分割跟踪（Segment-Then-Track）；联合分割跟踪（JointSegment-Track）9.语义属性（或类别描述、文本特征）三、简答题1.端到端超分辨率的优势：传统方法（如双三次插值）仅利用局部像素统计，无法恢复真实高频细节；端到端学习通过深度网络直接从低分辨率（LR）到高分辨率（HR）映射，可自适应学习复杂非线性关系（如纹理、边缘）。典型网络如SwinIR：采用基于窗口的自注意力（SwinTransformer）捕捉局部上下文，结合残差模块保留低频信息，通过多阶段特征融合提升不同尺度细节的重建能力。2.自注意力机制通过计算每个图像块（Patch）与所有其他块的相似性，为每个块分配权重，从而直接建模长距离依赖（如图像中任意两个区域的关联）。与CNN对比：CNN通过局部卷积核（如3×3）提取局部特征，感受野随网络深度增加而扩大，但本质仍是局部先验；ViT的自注意力无局部限制，可直接捕捉全局依赖，但计算复杂度较高（O(N²)，N为块数）。3.典型应用：图像描述（ImageCaptioning）、视觉问答（VQA）、跨模态检索（如图像-文本检索）。挑战：①模态异质性：图像是连续像素特征，文本是离散词向量，需设计对齐空间（如投影到共享嵌入空间）；②对齐粒度：需匹配图像局部区域（如“苹果”）与文本词（“apple”）的细粒度对齐；③信息冗余：图像可能包含大量背景信息，文本可能描述局部关键内容，需筛选有效信息。4.对抗式UDA流程：①源域有标签数据（Xs,Ys）和目标域无标签数据（Xt）输入特征提取器G，生成特征Fs=G(Xs),Ft=G(Xt)；②判别器D尝试区分Fs与Ft（真实标签为源域/目标域）；③G的训练目标是最小化D的判别准确率（即让Ft与Fs分布一致），同时保持源域分类损失（如交叉熵）；④最终G提取的特征可迁移至目标域，分类器在源域训练后直接应用于目标域。四、算法分析题1.U-Net设计动机：医学图像（如MRI、CT）常包含小目标（如肿瘤）和精细边界，需同时捕捉全局上下文（编码器下采样）和局部细节（解码器上采样）。跳跃连接作用：①保留编码器中高分辨率特征（如边缘、纹理），弥补解码器上采样时丢失的细节；②缓解梯度消失，提升小目标（如直径<5mm的结节）的分割精度；③直接融合同尺度的编码-解码特征，增强目标边界的定位能力。2.残差连接对比：ResNet采用“恒等映射+残差”（F(x)=x+H(x)），仅传递前一层特征；DenseNet采用“密集连接”（每层输入为前面所有层的特征拼接，F(x)=[x1,x2,...,xn]+H(x)）。DenseNet优势：①参数效率：特征复用减少冗余参数（每层仅学习少量新特征）；②特征传播：短路径缓解梯度消失，浅层特征（如边缘）可直接传递至深层，提升细节保留；③特征多样性：多尺度特征拼接增强模型对复杂模式的表征能力（如医学图像中的混合组织）。五、综合应用题（1）数据采集与标注：-目标类别：可回收物（塑料瓶、纸箱）、厨余垃圾（果皮、剩饭菜）、有害垃圾（电池、灯管）、其他垃圾（烟头、纸巾）。-数据来源：公开数据集（如TrashNet、GarbageClassificationDataset）+自主采集（手机/摄像头拍摄不同光照、角度、遮挡的垃圾图像）。-标注方法：目标检测任务采用边界框（BoundingBox）标注（x1,y1,x2,y2+类别）；若需精细分割（如区分塑料瓶标签与瓶身），采用语义分割标注（像素级类别掩码）。（2）预处理：-光照归一化：通过直方图均衡化或CLAHE校正逆光/过曝图像，提升模型对不同光照的鲁棒性。-数据增强：随机旋转（±30°）、翻转（水平/垂直）、裁剪（保留70%区域），增加数据多样性，防止过拟合。-尺寸归一化：统一缩放至640×640（YOLOv8输入尺寸），减少计算量并保证输入一致性。（3）模型选择：YOLOv8（目标检测）。理由：①实时性：YOLO系列采用单阶段检测，推理速度快（约120FPS），适合部署于边缘设备（如垃圾桶摄像头）；②小目标检测：YOLOv8引入多尺度特征融合（PAFPN）和锚框优化，对小垃圾（如纽扣电池）的检测精度（mAP@0.5）较v5提升约3%；③端到端：支持检测+分割（YOLOv8-seg），可同时输出垃圾类别和轮廓。（4）评估指标：-mAP（平均精度均值）：各类别AP（精确率-召回率曲线下面积）的平均值，反映整体检测精度。-准确率（Accuracy）：正确分类的样本数/总样本数（分类任务），或正确检测的目标数/总目标数（检测任务）。-F1分数：2×(精确率×召回率)/(精确率+召回率)，平衡精确率与召回率，适用于类别不平衡场景（如有害垃圾