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