2025年人工智能(計算機視覺)全真模擬試卷及答案一、單項選擇題（每題2分，共20分）1.在YOLOv8中，若輸入圖像尺寸為640×640，下采樣倍數(shù)為32，則最終特征圖的空間分辨率是A.20×20??B.40×40??C.80×80??D.160×160答案：A解析：640÷32=20，YOLOv8的P5頭輸出20×20特征圖用于檢測大目標(biāo)。2.VisionTransformer（ViT）在PatchEmbedding階段使用16×16的卷積核，步長16，則一張224×224×3的圖像被切分為多少token？A.196??B.256??C.289??D.324答案：A解析：224÷16=14，14×14=196個patch，每個patch展平后成為一個token。3.在MaskRCNN中，若ROIAlign輸出7×7特征，掩膜分支使用全卷積網(wǎng)絡(luò)，則掩膜頭的最后一層卷積核尺寸為A.1×1??B.3×3??C.7×7??D.14×14答案：A解析：掩膜頭輸出K個28×28的掩膜，最后一層1×1卷積將通道數(shù)映射到K類。4.使用FocalLoss訓(xùn)練目標(biāo)檢測器時，若γ=2，某負樣本的預(yù)測概率p=0.1，則其損失權(quán)重相對于原始CE損失的縮放因子為A.0.01??B.0.081??C.0.81??D.0.9答案：B解析：權(quán)重=(1?p)^γ=0.92=0.81，再乘p的交叉熵部分，整體縮放0.81×0.1≈0.081。5.在雙目立體匹配中，使用Census變換做代價計算，其優(yōu)勢不包括A.對光照變化魯棒??B.支持亞像素精度??C.計算量低??D.對噪聲敏感答案：D解析：Census對噪聲具有一定容忍度，因此“對噪聲敏感”不屬于其優(yōu)勢。6.在NeRF的體渲染公式中，若某段光線的透射率T(t)在區(qū)間[t1,t2]內(nèi)恒為0.8，則該區(qū)間對像素顏色的貢獻權(quán)重為A.0.8??B.0.2??C.0.16??D.0.64答案：C解析：貢獻=T(t)×(1?exp(?σΔt))≈0.8×0.2=0.16（假設(shè)σΔt較?。?。7.使用知識蒸餾訓(xùn)練輕量化分類模型時，若教師模型softmax溫度T=4，學(xué)生模型T=1，則蒸餾損失中KL散度的梯度量級約與下列哪項成正比A.T2??B.1/T2??C.T??D.1/T答案：B解析：梯度隨溫度升高而減小，約∝1/T2。8.在CenterNet中，若某目標(biāo)中心真值熱圖響應(yīng)值為1，而預(yù)測高斯熱圖峰值0.8，則該位置的focalloss項為A.?0.8??B.?0.2??C.?0.064??D.?0.32答案：C解析：focalloss=?(1?0.8)2log(0.8)≈?0.04×1.6≈?0.064。9.在SLAM后端優(yōu)化中，若采用g2o框架，邊信息矩陣為6×6，則其存儲的獨立參數(shù)個數(shù)為A.36??B.21??C.18??D.15答案：B解析：信息矩陣對稱，獨立參數(shù)n(n+1)/2=21。10.使用RandAugment做數(shù)據(jù)增強時，若N=2，M=9，則單張圖像期望增加的計算量約為A.2×??B.4×??C.8×??D.16×答案：B解析：RandAugment平均每次增強約2×開銷，N=2則期望4×。二、多項選擇題（每題3分，共15分）11.下列哪些操作可以有效緩解Transformer在圖像任務(wù)中的位置編碼外推問題A.使用2D相對位置編碼??B.采用線性位置插值??C.引入旋轉(zhuǎn)位置編碼RoPE??D.去除位置編碼答案：A、B、C解析：RoPE與相對編碼均支持更長序列；線性插值可外推；去除位置編碼會掉點。12.在自監(jiān)督對比學(xué)習(xí)SimCLR中，以下哪些設(shè)計對性能提升最關(guān)鍵A.更大的batchsize??B.更強的顏色抖動??C.投影頭使用BN??D.使用LARS優(yōu)化器答案：A、C、D解析：顏色抖動過強反而掉點；大batch、BN、LARS為關(guān)鍵。13.關(guān)于DeepLabv3+，下列說法正確的是A.ASPP模塊使用不同rate的空洞卷積??B.解碼器融合lowlevel與highlevel特征??C.輸出stride固定為16??D.使用深度可分離卷積降低計算量答案：A、B、D解析：輸出stride可設(shè)為8或16，非固定。14.在3D點云分割中，以下哪些算子可保持置換不變性A.MaxPool??B.AveragePool??C.KPConv??D.PointNet++的SA模塊答案：A、B、C、D解析：Max/AveragePool、KPConv、SA均對輸入順序不敏感。15.當(dāng)使用混合精度訓(xùn)練FP16時，下列哪些技巧可防止梯度下溢A.Lossscaling??B.動態(tài)縮放??C.使用FP32主權(quán)重??D.關(guān)閉自動混合精度答案：A、B、C解析：關(guān)閉AMP將回到FP32，無法利用FP16加速。三、填空題（每空2分，共20分）16.在SwinTransformer中，連續(xù)兩個SwinTransformerBlock構(gòu)成一個______，其中第二個Block使用______注意力。答案：stage，shiftedwindow解析：stage由偶數(shù)個block組成，第二個block做shiftedwindow實現(xiàn)跨窗信息交互。17.若使用RANSAC擬合單應(yīng)矩陣，內(nèi)點閾值設(shè)為2pixel，置信度0.99，外點率50%，則最少需要迭代______次。答案：766解析：k=log(1?0.99)/log(1?(1?0.5)^4)≈766（單應(yīng)需4對點）。18.在MobileNetv3中，SE模塊的壓縮比r默認取______，激活函數(shù)使用______。答案：4，hswish解析：v3論文默認r=4，SE后接hswish。19.若某卷積層輸入通道Cin=64，輸出Cout=128，核3×3，采用組卷積groups=32，則參數(shù)量為______。答案：6912解析：每組2輸入4輸出，參數(shù)=32×(2×3×3×4)=6912。20.在NeRF加速算法InstantNGP中，采用______結(jié)構(gòu)存儲可學(xué)習(xí)特征，哈希表大小T取______。答案：多分辨率哈希網(wǎng)格，2^19解析：InstantNGP用多分辨率哈希，T=2^19=524288。四、判斷改錯題（每題2分，共10分）21.在YOLO系列中，anchorfree版本YOLOv6不再使用任何先驗框。答案：錯誤?改為：YOLOv6仍使用anchorbasedhead，真正anchorfree的是YOLOX。解析：YOLOv6論文明確保留anchor。22.VisionTransformer的PatchEmbedding可以用一個步長等于核大小的卷積實現(xiàn)。答案：正確解析：ViT原文即采用16×16conv，stride16。23.在實例分割任務(wù)中，MaskRCNN的掩膜損失直接對原始分辨率28×28做BCE。答案：錯誤?改為：掩膜損失在28×28上計算，但真值由ROIAlign后雙線性插值得到，非原始分辨率。解析：避免歧義，需說明真值來源。24.使用CutMix增強時，如果組合區(qū)域λ=0.5，則標(biāo)簽也強制為0.5。答案：錯誤?改為：標(biāo)簽按面積比例λ分配，但可結(jié)合模型預(yù)測動態(tài)調(diào)整。解析：CutMix標(biāo)簽線性插值，非強制0.5。25.在Transformer中，QK^T的縮放因子√d_k是為了防止softmax梯度消失。答案：錯誤?改為：防止softmax飽和導(dǎo)致梯度消失，而非梯度爆炸。解析：縮放避免點積過大進入飽和區(qū)。五、簡答題（每題8分，共24分）26.描述DeformableDETR中“多尺度可變形注意力”的計算流程，并說明其相對原始DETR的復(fù)雜度變化。答案：1.對多尺度特征圖{F_l}，每個查詢q引用參考點p_q；2.預(yù)測2K個偏移Δp_{lk}，在l層特征上采樣K個點；3.計算注意力權(quán)重A_{lk}（線性投影+softmax），對采樣點特征加權(quán)求和；4.輸出維度與查詢相同。復(fù)雜度：原始DETR自注意力O(HW)2，可變形注意力降為O(KHW)，K=4，降低約(HW)/4倍。27.解釋“亞像素卷積”（SubpixelConv）為何能避免棋盤效應(yīng)，并給出數(shù)學(xué)推導(dǎo)。答案：亞像素卷積先升維r2倍，再通過周期性shuffle重組，等價于轉(zhuǎn)置卷積但權(quán)重共享更規(guī)則。設(shè)輸入特征圖尺寸H×W×C，卷積輸出H×W×r2C，shuffle后得rH×rW×C。權(quán)重矩陣在像素間共享，無零填充空洞，頻域分析顯示高頻分量平滑，抑制周期性強的高頻棋盤。數(shù)學(xué)上，輸出y=PS(W?x)，PS為周期shuffle，W為普通卷積核，無插值空洞，故無棋盤。28.在自監(jiān)督框架MoCov3中，為何引入“隨機掩碼”仍能保持性能？給出實驗現(xiàn)象與理論解釋。答案：實驗：ViTB/16在ImageNet1k線性評估，掩碼比例0.6時Top1僅降0.3%。理論：1.動量編碼器提供穩(wěn)定特征，掩碼區(qū)域由上下文補全；2.對比損失鼓勵全局特征一致，掩碼相當(dāng)于增加視圖多樣性；3.ViT的patch嵌入天然對缺失patch魯棒，注意力可插值。因此掩碼起到正則化而非破壞作用。六、綜合設(shè)計題（11分）29.某工業(yè)場景需實時檢測傳送帶上的零件缺陷，圖像分辨率2048×1536，目標(biāo)最小尺寸約16×16，單張GPURTX306012G，要求≥30FPS。請：(1)給出模型選型理由；(2)設(shè)計輕量化檢測頭；(3)說明訓(xùn)練策略與數(shù)據(jù)增強；(4)給出測速與顯存占用評估。答案：(1)選型：YOLOv5nanobackbone+自定義CSPPAN，輸入640×640，Reason：在COCOmAP@0.5=0.35，TensorRTFP16測速1.2ms，滿足30FPS。(2)檢測頭：?a.將3個檢測層減為2層，stride=16,32，剔除stride=8減少小目標(biāo)冗余；?b.引入GSConv（分組shuffle卷積）替代3×3，參數(shù)量降40%；?c.使用解耦頭，分類與回歸分支各128維，共享2層GSConv。(3)訓(xùn)練：?a.數(shù)據(jù)：收集5k缺陷樣本，采用Mosaic+HSV+隨機擦除，額外生成10k合成缺陷（GAN貼圖）；?b.自蒸餾：教師YOLOv5m，溫度T=3，蒸餾權(quán)重0.5；?c.超參