计算机视觉 - 第三次形考作业（占形考成绩18％，对应总成绩9％）

课程名称：计算机视觉 发布教师：张迁 作业来源：第三学习单元 目标检测 作业满分：100.0分 发布时间：2025-06-20 作业要求：学习完第三单元内容之后必须完成本次作业，并请在规定时间内提交，本次作业占考核总成绩的8%，简答题直接在答案区回答，无需另外提交附件！考核评价标准 国家开放大学 ：（1）回答全面、有条理、正确，格式规范（满分）；（2）回答较全面、有条理、正确，格式较规范（良好）；（3）回答较全面、逻辑性差、内容较正确，格式较规范（中）；（4）回答不够全面、逻辑性差、内容有个别错误，格式较规范（及格）；（4）回答不够全面、逻辑性差、内容有错误，格式不规范（不及格）。

单选题

1. 在YOLO模型中，若⼀个⽹格输出的数据维度为7 × 7 × 30。其中30个参数中，包含两个边 框各需要的5个参数，其余20个参数表示（ ） （分值：3.0分）

A. 对于10类物体，两个边框包含每种类别的概率

B. 对于20类物体，当前⽹格检测的物体属于每种类别的概率

C. 对于20类物体，当前⽹格包含每类物体的个数

D. 当前⽹格临近的四个边框的需要的参数

2. 下列有关使⽤R-CNN算法进⾏⽬标检测的步骤，排序正确的是（ ） ① 候选框⽣成：⽤Selective Search算法在图像中⽣成候选框； ② 特征提取：提取候选框中的特征； ③ 类别判断：⽤分类器对候选框中的图像进⾏分类； ④ 候选框处理：将所有候选框的特征转换为同样⼤⼩。 （分值：3.0分）

A. ①②③④

B. ①④②③

C. ①②④③

D. ②①④③

3. 从理论的⻆度来看，检测物体时，One-stage算法和Two-stage算法的区别在于（ ） （分值：3.0分）

A. One-stage算法的计算速度 渝粤文库 和检测精度都⾼于Two-stage算法

B. One-stage算法的效率较⾼，计算速度较快；Two-stage算法的精度较⾼

C. One-stage算法的精度较⾼；Two-stage算法的效率较⾼，计算速度较快

D. Two-stage算法的计算速度和检测精度都⾼于One-stage算法

4. YOLOv2算法中，维度为26 × 26 × 512的特征图经过Passthrough层将其拆，输出的特征维度为（ ） （分值：3.0分）

A. 26 × 26 × 2048

B. 13 × 13 × 512

D. 26 × 26 × 512

5. 下图中，红⾊边框是包含狗的真实边框，使⽤YOLO模型进⾏⽬标检测时，A、B、C、D、E中负责预测狗的⽹格是（ ） （分值：3.0分）

A. E

B. B

C. A

D. C

多选题

1. Bag of Freebies是⽤⼀些⽐较有⽤的训练技巧来训练模型，不增加模型的复杂度，从⽽不增加计算量，并使得模型取得更好的准确率，常⽤的⽅法有（ ） （分值：5.0分）

A. 训练时⾃适应调整样本损失率，降低识别正确率⾼的样本损失的权重

B 成人学历 . 改变边框回归损失函数

C. 图像增强

D. 增强感受野

2. 相较于RoI Pooling，RoI Align能够提⾼检测⽬标的精度，但提⾼效果与数据集相关，下列描述正确的是（ ） （分值：5.0分）

A. RoI Align在图像较少的数据集上提升效果较好

B 渝粤题库 . 在⼤⽬标较多的数据集上，RoI Align的检测效果更好，因为检测⼤物体⽬标受于RoI Pooling的量化 误差的影响更⼤

C. RoI Align使⽤了双线性插值算法，获得特征值

D. 在⼩⽬标较多的数据集上，RoI Align的检测效果更好，因为检测⼩物体⽬标受于RoI Pooling的量化 误差的影响更⼤

3. 下列关于使⽤RPN算法⽣成锚框的描述，正确的是（ ） （分值：5.0分）

A. 在Faster R-CNN中，RPN算法在图像经过卷积后，在得到的特征图上⽣成锚框

B. 在Faster R-CNN中，RPN算法直接在图像上⽣成锚框

C. RPN算法对特征图每个点⽣成9个锚框，锚框中⼼点相同，尺度⼤⼩不同

D. RPN算法对特征图每个点⽣成9个锚框，锚框的尺度相同，只是中⼼点位置不同

4. 下列关于RoI Pooling的表述正确的是（ ） （分值：5.0分）

A. RoI Pooling输出的特征图⼤⼩⼀致

B. RoI Pooling 通过提取候选框内不同区域的像素，对候选框进⾏剪裁

C. 相较于直接对候选区域剪裁，使⽤RoI Pooling变换特征图⼤⼩，能够显著提⾼计算速度

D. 由于RoI Pooling的提出，不需要再对候选区域进⾏各向同性缩放的操作，避免了图像分辨率的降低

5. Fast R-CNN是基于R-CNN改进的算法，下列关于Fast R-CNN的表述正确的是（ ） （分值：5.0分）

A. Fast R-CNN使⽤Softmax算法对特征进⾏分类

B. Fast R-CNN改进了⽣成候选区域的⽅式，提⾼了计算效率

C. Fast R-CNN算法将给定图像直接输⼊CNN，进⾏特征提取

D. 在RoI Pooling层，输出的特征图的⼤⼩与输⼊的特征图⼤⼩相关，⼀般成⽐例进⾏缩放

6. 各向同性缩放是指将不同尺⼨的候选区域统⼀成相同⼤⼩，采⽤的两种缩放⽅式为（ ） （分值：5.0分）

A. 复制填充：通过复制原候选框内的图像，扩展候选框，超出部分进⾏剪裁

B. 直接缩放：通过缩放，将候选框的宽⾼直接变换为⼀致⼤⼩

C. 先裁剪后扩充：先将候选框按原尺⼨剪裁，再⽤颜⾊均值填充成正⽅形

D. 先扩充后裁剪：直接把候选框的边界扩展 广东开放大学 成正⽅形，再裁剪。如果已经延伸到了原始图像的外边 界，就⽤候选框中的颜⾊均值进⾏填充

填空题

1. 目标检测的三个阶段包括 _____ ， _____ ， _____ （分值：6.0分）

判断题

1. YOLO算法属于Two-stage目标检测算法？ （分值：4.0分）

简答题/计算题

1. 简述目标检测的含义。 （分值：10.0分）

2. 简述传统目标检测的流程。 （分值：10.0分）

3. 简述目标检测深度学习模型。 （分值：10.0分）

4. 简述YOLO算法思想及YOLOv1结构。 （分值：15.0分）