AI 视觉检测工程师岗位招聘考试试卷及答案

AI视觉检测工程师岗位招聘考试试卷及答案一、填空题（共10题，每题1分）1.OpenCV中用于图像高斯模糊的函数是______2.以动态计算图著称的主流深度学习框架是______3.图像像素值归一化到[0,1]的常用除数是______4.YOLOv5输出层预测目标的类别和______5.图像分类任务常用的损失函数是______6.OpenCV读取图像的函数是______7.卷积神经网络中减少特征图维度的层是______8.FasterR-CNN的核心组件RPN全称是______9.图像增强中随机翻转的常用方式是______10.语义分割常用模型除U-Net外还有______二、单项选择题（共10题，每题2分）1.以下属于单阶段目标检测的是？A.FasterR-CNNB.YOLOv5C.MaskR-CNND.R-CNN2.图像去均值的主要作用是？A.加快训练B.增加像素值C.放大图像D.转换颜色3.以下不是深度学习框架的是？A.TensorFlowB.PyTorchC.OpenCVD.MXNet4.YOLOv5默认输入图像尺寸是？A.320×320B.640×640C.416×416D.224×2245.卷积核的核心作用是？A.提取特征B.压缩图像C.降噪D.调亮度6.目标检测边界框回归常用损失函数是？A.交叉熵B.MSEC.对数损失D.Hinge损失7.OpenCV转灰度图的函数是？A.cv2.COLOR_BGR2GRAYB.cv2.grayC.cv2.rgb2grayD.cv2.convert8.语义分割与图像分类的区别是？A.输出像素类别B.输出图像类别C.输出目标框D.输出目标数9.实例分割常用模型是？A.U-NetB.FCNC.MaskR-CNND.YOLOv510.数据增强随机旋转的常用角度范围是？A.0-10°B.0-30°C.0-90°D.0-180°三、多项选择题（共10题，每题2分）1.图像预处理常用操作包括？A.归一化B.去均值C.缩放D.翻转2.属于目标检测算法的是？A.YOLOv5B.FasterR-CNNC.U-NetD.MaskR-CNN3.深度学习常用优化器有？A.SGDB.AdamC.RMSpropD.L2正则4.图像增强方法包括？A.随机翻转B.随机旋转C.高斯噪声D.直方图均衡化5.卷积神经网络包含的层是？A.卷积层B.池化层C.全连接层D.激活层6.语义分割应用场景有？A.医学图像分割B.自动驾驶场景分割C.图像分类D.目标检测7.OpenCV支持的颜色空间有？A.BGRB.RGBC.GRAYD.HSV8.图像任务常用损失函数有？A.交叉熵B.MSEC.Dice损失D.对数损失9.数据标注常用工具有？A.LabelImgB.LabelMeC.COCOAnnotatorD.Photoshop10.单阶段目标检测算法是？A.YOLO系列B.SSDC.FasterR-CNND.R-CNN四、判断题（共10题，每题2分）1.OpenCV是深度学习框架。（）2.YOLOv5是双阶段检测算法。（）3.池化层可减少特征图尺寸。（）4.语义分割输出每个像素的类别。（）5.Adam优化器比SGD收敛更快。（）6.图像归一化到[0,1]是除以128。（）7.MaskR-CNN可同时检测和分割实例。（）8.FCN无全连接层。（）9.数据增强可防止过拟合。（）10.卷积核越大提取特征越细。（）五、简答题（共4题，每题5分）1.简述图像预处理归一化的作用。2.对比单阶段与双阶段目标检测的区别。3.简述YOLOv5的核心优势。4.什么是数据增强？列举3种常用方法及作用。六、讨论题（共2题，每题5分）1.工业AI视觉检测中如何选择合适的目标检测算法？2.工业视觉检测常见挑战及解决方案有哪些？---答案部分一、填空题答案1.cv2.GaussianBlur2.PyTorch3.2554.边界框（坐标）5.交叉熵损失6.cv2.imread7.池化层（下采样层）8.区域提议网络9.水平/垂直翻转10.FCN（全卷积网络）二、单项选择题答案1.B2.A3.C4.B5.A6.B7.A8.A9.C10.B三、多项选择题答案1.ABCD2.ABD3.ABC4.ABCD5.ABCD6.AB7.ABCD8.ABCD9.ABC10.AB四、判断题答案1.×2.×3.√4.√5.√6.×7.√8.√9.√10.×五、简答题答案1.归一化作用：①使像素值范围一致，避免梯度更新不稳定；②加速模型收敛（优化器易找最优解）；③增强泛化能力，减少过拟合；④部分归一化（去均值）消除像素均值偏差，优化训练效率。2.单阶段vs双阶段：单阶段（YOLO/SSD）：直接输出类别+框，速度快（实时检测），精度稍低；双阶段（FasterR-CNN）：先RPN生成候选区，再分类回归，精度高（小目标友好），速度慢。选择需结合场景（实时性vs精度）。3.YOLOv5优势：①实时性强（GPU几十帧/秒）；②部署友好（支持TensorRT/ONNX，轻量化版适配边缘设备）；③精度平衡（CSP结构+Focus模块优化特征提取）；④易用性高（开源完善，自定义训练简单）。4.数据增强：通过变换图像增加多样性，防过拟合。常用方法：①随机翻转（水平/垂直，增方向多样性）；②随机旋转（0-30°，避角度敏感）；③高斯噪声（增抗噪能力）。六、讨论题答案1.算法选择逻辑：①实时性：边缘/实时场景选单阶段（YOLOv5s/SSD）；②精度：小目标/高要求选双阶段（FasterR-CNN）；③资源：边缘设备选轻量化（YOLOv5n/MobileNet-SSD）；④数据：小数据集选泛化性好的算