2026年人工智能训练师OCR标注实操考试题库及解析

2026年人工智能训练师OCR标注实操考试题库及解析一、单项选择题（每题2分，共20分）1.在OCR标注任务中，下列哪一项最能直接决定后续模型对“字符级召回率”的影响？A.图像分辨率是否大于300dpiB.是否对模糊笔画做了“忽略”标记C.是否将粘连字符拆分为独立框D.是否使用灰度图而非彩图答案：C解析：字符级召回率的核心是“少漏字”。粘连字符若未拆分，会被模型视为一个整体，导致漏识别，直接拉低召回率。其余选项影响的是识别难度而非召回统计口径。2.对于竖排古籍的OCR标注，下列坐标顺序符合COCO格式且利于后续合成数据增强的是：A.[x_min,y_min,width,height]B.[top-left-x,top-left-y,bottom-right-x,bottom-right-y]C.[center-x,center-y,width,height]D.[y_min,x_min,height,width]答案：B解析：古籍竖排阅读顺序从上到下、从右到左，使用两点式框可在旋转90°增强后仍保持框与文字流向一致，而COCO格式本身支持两点式扩展。3.当标注规范要求“对半透明水印文字一律不框”时，下列做法最合规的是：A.用低透明度覆盖层隐藏水印后截图再框B.保留原图，跳过水印区域，其余正常框C.用PS抹除水印文字后框选D.将整张图标记为“废弃”答案：B解析：规范明确“不框”而非“删除”，保留原图完整性才能避免引入抹除痕迹导致的分布漂移。4.在发票OCR项目中，需同时输出“金额”与“税额”两个字段。下列关于键值对标注的说法正确的是：A.金额与税额可共用同一个外接矩形框以节省标注时间B.金额值若打印错位，应框住肉眼可见的全部数字，即使跨行C.税额为0时，可留空不框D.若金额打印为“￥123,456.78”，应框住“123,456.78”而舍弃符号答案：B解析：错位数字属于可见信息，不框即漏标；A导致字段混淆；C造成训练样本缺正例；D舍弃货币符号会丢失关键特征，模型难以泛化到“￥”场景。5.利用LaTex公式计算IoU时，若预测框为A，真实框为B，则：A.IB.IC.ID.I答案：B解析：IoU定义即为交集比并集，B正确。6.在表格OCR中，对于跨5行的单元格，其rowspan属性在标注时应记录为：A.5B.4C.1D.无需记录，由模型自动推断答案：A解析：rowspan=5表示该单元格纵向占据5行，标注阶段即需给出，以便下游结构复原。7.下列关于手写体“连笔”标注策略，错误的是：A.按笔画可视间隙拆分单字框B.若间隙极难辨认，可整词组框并标记为“bad_split”C.为提升一致性，同一标注员对相似连笔必须给出相同拆分D.允许引入辅助虚线辅助线，但不得保存至最终json答案：C解析：一致性要求的是“规则”而非“结果”一致，难以辨认的连笔允许整词组框，强制相同拆分反而降低标注可信度。8.在车牌识别数据集中，若图像出现双重阴影导致字符笔画断裂，下列处理最合理的是：A.直接弃图B.用PS修复断裂后框选C.按肉眼可读性框选，并在字段级标签加“shadow_break”标志D.框选断裂部分，分别标注为两个字符答案：C解析：保留原图、记录扰动类型，既不弃样也不伪造，利于后续鲁棒性研究。9.对于多语言混排场景（中英日韩），下列关于Unicode归一化说法正确的是：A.所有全角字母需强制转为半角B.韩文音节需分解为字母C.日文汉字保持原码位，不做简化繁体转换D.中文繁体需强制转为简体答案：C解析：日文汉字（Kanji）与中文繁体虽字形相近，但码位不同，强制转换会丢失语言信息；A、B、D均属于过度归一化。10.在序列标注中采用BIO方案，对于“北京市”这一词汇，下列标签序列正确的是：A.B-LOCI-LOCI-LOCB.B-LOCB-LOCB-LOCC.I-LOCI-LOCI-LOCD.OOO答案：A解析：B表示开始，I表示内部，单词汇连续三字地理实体应BII。二、多项选择题（每题3分，共15分）11.以下哪些做法会引入“数据泄露”从而高估OCR模型性能？A.将同一版式模板生成的训练集与测试集按8:2随机拆分B.用同一家印刷厂提供的扫描件分别放入训练与测试C.测试集使用训练集已见过的字体文件D.测试集采用与训练集不同拍摄角度的手机拍照答案：A、B、C解析：同一模板、同印刷厂、同字体均会导致分布高度一致，模型在测试集上“见过”风格，泄露风险高；D则属于合理的分布外测试。12.在发票代码字段标注中，下列哪些异常需触发“整票废弃”标记？A.发票代码区域被红色印章完全覆盖，人眼不可读B.发票代码打印缺失最后一位，但可凭校验码反推C.图像出现纵向拉伸导致字符高宽比>3D.发票代码区域存在一条宽度1px的横向黑线答案：A、C解析：A人眼不可读即无真值；C高宽比极端，模型难以收敛；B可反推，仍可用；D黑线属于局部噪声，可保留。13.下列关于“端到端OCR”与“两阶段OCR”数据标注差异，描述正确的有：A.端到端无需字符级框，仅需文本行框B.两阶段需额外提供字符级框以训练检测分支C.端到端在标注时需给出按阅读顺序的字符串标签D.两阶段在训练识别分支时无需文本行框答案：A、C解析：端到端直接输字符串，故只需行框+顺序标签；两阶段需字符框训练检测，但识别分支仍需行框做切片。14.在采用CTCLoss训练识别网络时，下列哪些标注策略可有效减少“重复字符”误识？A.在标签中插入空白符“-”B.对连续相同字符合并为一个C.在数据集层面统计并加权重复样本D.在解码阶段采用beamsearch+词典约束答案：C、D解析：CTC理论已处理重复，标签无需人工合并或插入空白；数据集加权和词典约束可在训练与推理阶段抑制重复。15.以下哪些指标可直接用于衡量OCR标注一致性？A.Kappa系数B.Fleiss’KappaC.CERD.IoU答案：A、B解析：Kappa系列衡量标注员间一致性；CER为识别错误率；IoU为检测精度，非一致性。三、判断题（每题1分，共10分）16.在弯曲文本行标注中，采用多边形框比旋转矩形框更省标注时间。答案：错解析：多边形需逐点拖动，耗时通常更高。17.对于PDF文本层抽取，若抽取字符与视觉位置偏差<2px，可跳过人工标注。答案：对解析：偏差小于2px对模型影响极小，可视为自动标注合格。18.在医疗化验单OCR中，为保护隐私，应将患者姓名直接涂黑后再标注。答案：错解析：涂黑属于信息销毁，应通过脱敏协议与权限控制解决，而非伪造图像。19.采用数据合成方式生成车牌图像时，无需考虑字体边缘的抗锯齿差异。答案：错解析：真实拍摄字体边缘呈自然模糊，合成若忽略抗锯齿会导致域差距。20.对古彝文OCR，Unicode尚未收录的字符可用私用区码位+自定义字体映射，并在标注文档中说明。答案：对解析：私用区是Unicode允许的方案，只要映射表公开即可。21.在关键点检测任务中，若文字角点被遮挡，可人为估计并标注。答案：错解析：人为估计引入噪声，应标记“不可见”。22.对于竖排文本，阅读顺序标签应从右到左、从上到下。答案：对解析：符合古籍排版习惯。23.当图像出现透视畸变时，标注员可直接使用梯形框近似，无需四边形坐标。答案：错解析：四边形坐标是标准，梯形框是四边形特例，仍需四点。24.在序列标注中，采用BIESO方案比BIO方案多一个“End”标签，可减少边界歧义。答案：对解析：E标签明确结束，利于模型定位边界。25.对于小语种OCR，字符集构建应遵循“所见即所得”原则，不强制归并形近字。答案：对解析：形近字在小语种中可能代表不同音位，归并会丢失信息。四、填空题（每空2分，共20分）26.在COCO格式中，表示多边形框的字段名为________。答案：segmentation27.若真实框面积G=7200，预测框面积P=答案：0.500解析：Io28.在CTC解码中，去除重复及空白后，字符串“--hh-e-l-ll-o”解码为________。答案：hello29.对一张A4扫描件（210mm×297mm），以300dpi扫描，其像素尺寸为________×________。答案：2480×3508解析：210/25.4×30.在OCR后处理中，采用三元语言模型计算句子概率，公式为P(答案：P31.对于弯曲文本行，采用________变换可近似校正为水平直线。答案：Thin-PlateSpline（TPS）32.在标注协议中，若出现不可见字符，应使用标签________表示。答案：###或<UNK>（任填一种即可）33.当标注员间Kappa系数<________时，需启动标注规范再培训。答案：0.734.在车牌识别中，中国大陆新能源车牌字符集长度为________位。答案：8解析：含1位汉字+1位字母+6位数字/字母。35.对于古竖排文本，按现代阅读习惯转换后，其阅读顺序编号应采用________排序。答案：从右到左、从上到下（或“逆序”亦可）。五、简答题（每题10分，共20分）36.描述如何在无标注的情况下，利用印刷体模板与字体文件自动合成一套中文发票OCR训练数据，并说明如何控制分布外风险。答案与解析：步骤：1)收集真实发票版式PDF，提取背景层（去除文字）得到空模板；2)用Python脚本随机生成字段值（金额、税额、代码等），并加入校验码算法；3)使用Truetype字体渲染至模板，随机加入透视、模糊、抖动、墨水扩散；4)用Poisson融合将渲染文字贴回模板，生成逼真图像；5)同步输出字符级与行级坐标及文本标签。分布外风险控制：a)字体库需覆盖宋、黑、仿、楷及加粗、斜体，并留10%样本用稀有字体；b)对真实采集的100张发票做“字体分布直方图”，用EMD距离约束合成数据分布差异<0.05；c)在测试集保留真实拍照样本，确保合成数据训练的模型在真实集上F1下降<3%，否则增投真实样本微调。37.给定一张倾斜15°的身份证国徽面图像，说明标注员如何快速完成“公民身份号码”字段的旋转矩形框标注，并给出校正后该字段的像素宽高比阈值，用于后续质检。答案与解析：操作：1)在标注工具中启用“旋转矩形”模式，以国徽面底边为水平基线，逆时针旋转15°使x轴对齐；2)框选“公民身份号码”18位数字区域，读取工具返回的旋转角θ=-15°、中心点(cx,cy)、宽高(w,h)；3)利用工具脚本自动将四点坐标校正为水平，计算校正后宽W’与高H’；4)宽高比r=W’/H’，经验阈值范围：r∈理由：18位数字采用OCR-B字体，实际测量平均宽高比约7.1，允许±0.3容忍打印与透视误差。六、实操题（共15分）38.请在提供的测试图（test_01.jpg，分辨率2320×3088，内容：夜间拍摄的路边收费小票，存在运动模糊、光照不均、透视畸变）上完成以下任务，并提交对应json与说明：a)用多边形框标出所有可见数字与字母，字段包括“单价”“数量”“金额”