视觉检测算法工程师岗位招聘考试试卷及答案

视觉检测算法工程师岗位招聘考试试卷及答案试题部分一、填空题（共10题，每题1分）1.OpenCV中读取图像的核心函数是______。2.YOLOv5的检测头基于______结构设计。3.目标检测中IoU的全称是______。4.PyTorch中自动求导的核心类是______。5.图像像素归一化到[0,1]的常用操作是______。6.FasterR-CNN的关键组件RPN指______。7.卷积层后减少特征图尺寸的操作是______。8.OpenCV显示图像的函数是______。9.除YOLO外的one-stage检测算法代表是______。10.模型部署常用的轻量化框架是______（举1个）。二、单项选择题（共10题，每题2分）1.以下属于two-stage检测算法的是？A.YOLOv5B.FasterR-CNNC.SSDD.MobileNet-SSD2.OpenCV转灰度图的正确函数是？A.cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)B.cv2.gray(img)C.cv2.rgb2gray(img)D.cv2.convertScaleAbs(img)3.PyTorch启动训练模式的方法是？A.model.eval()B.model.train()C.model.predict()D.model.fit()4.衡量检测定位精度的指标是？A.PrecisionB.RecallC.IoUD.F1-score5.YOLOv5默认输入图像尺寸是？A.416×416B.640×640C.320×320D.512×5126.卷积层不包含的操作是？A.卷积核滑动B.元素相乘求和C.激活函数D.池化7.基于静态图的深度学习框架是？A.PyTorchB.TensorFlow2.xC.ONNXD.TensorFlow1.x8.NMS的全称是？A.Non-MaximumSuppressionB.NormalMaximumSuppressionC.NetworkModelSelectionD.NeuralMotionSystem9.属于图像几何变换的操作是？A.亮度调整B.对比度调整C.旋转D.高斯模糊10.轻量级检测算法代表是？A.ResNet50B.YOLOv8-nanoC.BERTD.ViT三、多项选择题（共10题，每题2分）1.属于目标检测算法的有？A.FasterR-CNNB.YOLOv5C.BERTD.SSD2.OpenCV支持的图像格式有？A.JPGB.PNGC.PDFD.TIFF3.PyTorch定义模型的方式有？A.继承nn.ModuleB.nn.SequentialC.直接函数D.Keras4.检测评价指标包括？A.mAPB.PrecisionC.RecallD.IoU5.图像预处理常见操作有？A.归一化B.resizeC.去噪D.数据增强6.卷积神经网络组件有？A.卷积层B.池化层C.全连接层D.循环层7.模型部署框架有？A.TensorRTB.ONNXRuntimeC.NCNND.PyTorchLightning8.特征提取Backbone有？A.ResNetB.DarknetC.VGGD.BERT9.图像几何增强操作有？A.旋转B.翻转C.缩放D.亮度调整10.YOLO算法的特点是？A.one-stageB.实时检测C.分阶段检测D.输出框+类别四、判断题（共10题，每题2分）1.OpenCV读取图像默认是BGR格式。（）2.FasterR-CNN比YOLOv5速度更快。（）3.mAP是检测综合评价指标。（）4.PyTorchTensor默认在CPU创建。（）5.池化层可减少特征图尺寸。（）6.SSD是two-stage算法。（）7.训练时需设置model.eval()。（）8.图像预处理必须做归一化。（）9.TensorRT可优化推理速度。（）10.YOLOv5输出包含类别置信度。（）五、简答题（共4题，每题5分）1.简述one-stage与two-stage检测算法的区别。2.说明cv2.imread的常用参数及作用。3.简述PyTorch模型训练的基本流程。4.说明图像resize操作的作用及注意事项。六、讨论题（共2题，每题5分）1.如何优化视觉检测模型的推理速度？（至少3种方法）2.讨论数据增强对检测模型的影响及常用方法。---答案部分一、填空题答案1.cv2.imread2.CSP（CrossStagePartial）3.IntersectionoverUnion（交并比）4.torch.Tensor5.像素值除以2556.RegionProposalNetwork（区域建议网络）7.池化（最大/平均池化）8.cv2.imshow9.SSD（SingleShotMultiBoxDetector）10.TensorRT（或ONNXRuntime、NCNN）二、单项选择题答案1.B2.A3.B4.C5.B6.D7.D8.A9.C10.B三、多项选择题答案1.ABD2.ABD3.AB4.ABCD5.ABCD6.ABC7.ABC8.ABC9.ABC10.ABD四、判断题答案1.√2.×3.√4.√5.√6.×7.×8.×9.√10.√五、简答题答案1.区别：one-stage（YOLO/SSD）直接预测框+类别，无区域建议，速度快（实时）但精度略低；two-stage（FasterR-CNN）先RPN生成候选区，再分类回归，精度高但速度慢。核心差异是是否有区域建议阶段，导致速度-精度trade-off不同。2.参数作用：①图像路径（必填）：指定文件位置；②读取模式（可选）：`cv2.IMREAD_COLOR`（默认彩色）、`cv2.IMREAD_GRAYSCALE`（灰度）、`cv2.IMREAD_UNCHANGED`（带透明度）。路径错误返回None。3.训练流程：①定义模型（继承nn.Module，实现forward）；②准备DataLoader（加载数据集）；③选损失函数（如交叉熵）和优化器（如Adam）；④训练循环：前向传播→计算损失→反向传播→优化器更新→梯度清零；⑤可选验证集评估。4.作用与注意：作用是适配模型输入尺寸，统一数据格式。注意：①保持纵横比（用pad避免拉伸）；②选合适插值（缩小用INTER_AREA，放大用INTER_LINEAR）；③记录尺寸比例，用于检测框还原。六、讨论题答案1.优化方法：①轻量化模型：用MobileNet/Darknet替代ResNet，或选YOLOv8-nano；②量化：TensorRT将FP32转INT8/FP16，减少计算；③剪枝：去除小权重卷积核，简化结构；④部署优化：用TensorRT/ONNXRuntime加速，利用GPU并行；⑤输入调整：适当减小尺寸（如640→