基本信息
文件名称:2025年低资源图像分割增强习题(含答案与解析).docx
文件大小:15.49 KB
总页数:11 页
更新时间:2025-09-05
总字数:约7.47千字
文档摘要

2025年低资源图像分割增强习题(含答案与解析)

一、单选题(共15题)

1.在低资源图像分割任务中,以下哪种数据增强方法可以有效提高模型的泛化能力?

A.随机裁剪

B.随机翻转

C.随机旋转

D.对比度增强

答案:D

解析:对比度增强通过调整图像的对比度,使得图像细节更加明显,有助于模型学习到更丰富的特征,从而提高模型的泛化能力。参考《低资源图像处理技术手册》2025版4.2节。

2.在低资源图像分割中,以下哪种模型结构更适合用于减少模型参数数量?

A.卷积神经网络(CNN)

B.轻量级网络(MobileNet)

C.轻量级全卷积网络(FCN)

D.Transfo