2025年人工智能(計(jì)算機(jī)視覺)體系認(rèn)證練習(xí)題試卷及答案一、單項(xiàng)選擇題（每題2分，共20分）1.在YOLOv8中，若輸入圖像尺寸為640×640，網(wǎng)絡(luò)下采樣倍數(shù)為32，則最終特征圖的空間分辨率是A.10×10??B.20×20??C.40×40??D.80×80答案：B解析：640÷32=20，故特征圖為20×20。2.VisionTransformer（ViT）在ImageNet1k上首次達(dá)到90.45%Top1準(zhǔn)確率時(shí)，所采用的預(yù)訓(xùn)練策略是A.自監(jiān)督對(duì)比學(xué)習(xí)??B.有監(jiān)督大規(guī)模預(yù)訓(xùn)練??C.掩碼圖像建模??D.對(duì)抗訓(xùn)練答案：C解析：2023年MAE（MaskedAutoencoders）將ViTB推向90.45%，屬于掩碼圖像建模范式。3.在CenterNet中，若高斯核半徑公式為r=?(w+h)/6?，當(dāng)目標(biāo)框w=60、h=36時(shí)，半徑為A.15??B.16??C.17??D.18答案：B解析：(60+36)/6=16，向下取整得16。4.下列關(guān)于FPN的敘述，錯(cuò)誤的是A.側(cè)向連接使用1×1卷積降維??B.自頂向下路徑進(jìn)行上采樣??C.最終每層獨(dú)立預(yù)測(cè)??D.僅用于兩階段檢測(cè)器答案：D解析：FPN同樣被SSD、YOLO等單階段檢測(cè)器采用。5.在DeepSort中，用于外觀特征提取的CNN主干是A.OSNet??B.ResNet50Market??C.ShuffleNet??D.EfficientNetB0答案：B解析：DeepSort官方模型采用在Market1501上預(yù)訓(xùn)練的ResNet50。6.若使用RandAugment對(duì)圖像做增強(qiáng)，默認(rèn)幅度M=9，則“ShearX”操作的最大像素偏移量為A.0.1×255??B.0.3×255??C.0.5×255??D.0.9×255答案：B解析：RandAugment幅度9對(duì)應(yīng)0.3倍像素范圍。7.在TensorRT8.6中，將PyTorch的Hardswish轉(zhuǎn)為引擎時(shí)，最佳實(shí)現(xiàn)方式是A.直接映射到IActivationLayer::kHARD_SWISH??B.拆分成Clip+Mul+Div??C.使用Plugin??D.使用CUDAkernel手寫答案：A解析：TensorRT8.6原生支持Hardswish，可直接映射。8.當(dāng)使用MixedPrecision訓(xùn)練時(shí)，下列哪項(xiàng)最能抑制梯度下溢A.Lossscaling??B.Gradientclipping??C.Warmup??D.EMA答案：A解析：Lossscaling將損失乘以比例因子，防止fp16下溢。9.在OpenVINO2024.0中，若模型包含“Detectron2”自定義算子，應(yīng)優(yōu)先A.使用ModelOptimizer的extensions參數(shù)??B.轉(zhuǎn)為ONNX再轉(zhuǎn)IR??C.直接調(diào)用InferenceEngine??D.重寫為OpenCVDNN答案：A解析：自定義算子需通過extensions插件注冊(cè)。10.當(dāng)訓(xùn)練MaskRCNN時(shí)，若mask分支采用28×28分辨率，而目標(biāo)實(shí)際mask為512×512，則訓(xùn)練階段采用A.最近鄰下采樣??B.雙線性下采樣??C.區(qū)域插值ROIAlign??D.區(qū)域插值+最近鄰答案：C解析：ROIAlign將GTmask采樣到28×28，保持浮點(diǎn)坐標(biāo)對(duì)齊。二、多項(xiàng)選擇題（每題3分，共15分，多選少選均不得分）11.下列哪些技術(shù)可直接提升小目標(biāo)檢測(cè)召回率A.增大輸入分辨率??B.使用更高倍數(shù)的FPN??C.引入AnchorFree??D.采用SIoU損失??E.增加訓(xùn)練epoch答案：ABC解析：增大分辨率、更高層FPN、AnchorFree均改善小目標(biāo)；SIoU主要優(yōu)化定位精度；單純?cè)黾觘poch無針對(duì)性。12.關(guān)于VisionTransformer的注意力計(jì)算復(fù)雜度，正確的是A.與序列長(zhǎng)度n呈平方關(guān)系??B.使用Linformer后可降為O(n)??C.Performer使用隨機(jī)特征映射??D.SwinTransformer將復(fù)雜度限制在窗口內(nèi)??E.CosFormer基于多項(xiàng)式逼近答案：ABCD解析：CosFormer基于余弦重參數(shù)，而非多項(xiàng)式。13.在模型量化中，屬于PTQ（PostTrainingQuantization）的方法有A.TensorRTINT8校準(zhǔn)??B.ONNXRuntimeQDQ??C.QAT微調(diào)??D.AdaRound??E.DFQ答案：ABDE解析：QAT需重訓(xùn)練，不屬于PTQ。14.下列哪些損失函數(shù)可同時(shí)用于分類與定位A.GIoU??B.FocalLoss??C.VarifocalLoss??D.PolyLoss??E.DIoU答案：CD解析：Varifocal與Poly同時(shí)加權(quán)分類與定位質(zhì)量；GIoU/DIoU僅定位；Focal僅分類。15.在邊緣設(shè)備部署時(shí)，為了降低內(nèi)存峰值，可采取A.激活檢查點(diǎn)??B.權(quán)重量化??C.權(quán)重量化+激活量化??D.使用GradientCheckpointing訓(xùn)練??E.采用NCHW16格式答案：ABC解析：GradientCheckpointing僅訓(xùn)練階段省內(nèi)存；NCHW16為計(jì)算格式，不降低峰值。三、填空題（每空2分，共20分）16.在DeformableDETR中，若編碼器層數(shù)為6，每層參考點(diǎn)更新方式為________，則多尺度特征層數(shù)默認(rèn)取________。答案：加性偏移??4解析：參考點(diǎn)通過線性層預(yù)測(cè)Δx,Δy，加性更新；多尺度為C3C6共4層。17.當(dāng)使用Mosaic增強(qiáng)時(shí)，若子圖分辨率均為640×640，拼接后最小邊長(zhǎng)為________，此時(shí)若保持原圖比例，縮放因子應(yīng)≤________。答案：640??0.5解析：四張圖拼接后最小邊640；縮放0.5可保證最終≥640。18.在PyTorch2.1中，開啟pile(backend="inductor")后，默認(rèn)模式為________，其優(yōu)化級(jí)別由________參數(shù)控制。答案：default??mode解析：inductor默認(rèn)mode=”default”，可通過mode切換。19.若采用CosineAnnealing重啟式學(xué)習(xí)率，初始lr=0.1，T_0=10，T_mult=2，則第3個(gè)周期結(jié)束時(shí)總epoch為________，此時(shí)lr=________。答案：70??0.00625解析：周期長(zhǎng)度10+20+40=70；cosine終點(diǎn)為0.1×0.5^(3)=0.00625。20.在TensorBoard中，若要記錄模型計(jì)算圖，需調(diào)用writer.add_graph(model,________)，其中輸入張量要求________。答案：dummy_input??requires_grad=False解析：dummy_input無需梯度，避免記錄反向節(jié)點(diǎn)。四、判斷改錯(cuò)題（每題2分，共10分，先判對(duì)錯(cuò)，若錯(cuò)則劃線改正）21.SwinTransformer的窗口注意力在反向傳播時(shí)，窗口大小必須整除特征圖尺寸。答案：錯(cuò)??“必須整除”改為“無需整除，使用mask即可”。22.在KnowledgeDistillation中，溫度τ越大，軟標(biāo)簽分布越尖銳。答案：錯(cuò)??“尖銳”改為“平滑”。23.使用AutoAugment時(shí)，若數(shù)據(jù)集為CIFAR10，則默認(rèn)策略與ImageNet相同。答案：錯(cuò)??“相同”改為“不同，CIFAR10采用輕量級(jí)子策略”。24.當(dāng)使用SyncBN時(shí)，梯度同步與統(tǒng)計(jì)量同步均發(fā)生在反向傳播階段。答案：錯(cuò)??“均”改為“統(tǒng)計(jì)量同步在前向，梯度同步在反向”。25.在ONNX中，若模型包含“DynamicAxes”，則TensorRT無法解析。答案：錯(cuò)??“無法”改為“可以，通過explicitbatch模式”。五、簡(jiǎn)答題（每題10分，共30分）26.描述YOLOv8中“DFL”（DistributionFocalLoss）的實(shí)現(xiàn)細(xì)節(jié)，并說明其對(duì)邊界框回歸的改進(jìn)。答案：DFL將邊界框坐標(biāo)離散化為16個(gè)區(qū)間，用softmax預(yù)測(cè)各區(qū)間的概率，再求期望得到連續(xù)坐標(biāo)。損失采用Focal形式，聚焦難樣本。相比L1/L2，DFL顯式建模分布，緩解極端寬高比下的梯度消失，提升0.8AP。27.解釋VisionTransformer中“ClassToken”與“GlobalAveragePooling”兩種分類頭的差異，并給出在CIFAR100上的實(shí)驗(yàn)對(duì)比結(jié)論。答案：ClassToken通過額外可學(xué)習(xí)向量聚合全局信息，GAP直接對(duì)patchtoken均值池化。實(shí)驗(yàn)表明，在CIFAR100上，ClassToken比GAP高1.3%，歸因于token間顯式交互；但GAP參數(shù)量少0.12M，推理快5%。28.列舉三種解決長(zhǎng)尾分布的采樣策略，并比較其GPU內(nèi)存占用。答案：(1)類別平衡采樣：每類樣本數(shù)相同，內(nèi)存占用最低，與最少類一致；(2)平方根采樣：按√n_i采樣，內(nèi)存中等；(3)逆向頻率采樣：按1/n_i加權(quán)，內(nèi)存最高，需緩存大量重復(fù)樣本。實(shí)測(cè)ImageNetLT上，策略3內(nèi)存為策略1的2.7倍。六、計(jì)算與推導(dǎo)題（共25分）29.（10分）給定一個(gè)3×3卷積，輸入通道C_in=64，輸出通道C_out=128，groups=32，dilation=2，padding=2，輸入特征圖H=W=40，求：(1)參數(shù)量；(2)理論FLOPs；(3)等效感受野。答案：(1)參數(shù)量=3×3×(64/32)×128×32=3×3×2×128×32=73728；(2)FLOPs=2×H×W×C_out×K×K×(C_in/g)=2×40×40×128×9×2=73728000；(3)等效感受野=1+(31)×2=5。30.（15分）在DETR中，假設(shè)編碼器輸出memory∈R^{n×d}，n=900，d=256，解碼器查詢q∈R^{100×d}，采用單頭注意力，計(jì)算：(1)注意力權(quán)重矩陣形狀；(2)權(quán)重矩陣顯存占用（fp16）；(3)若采用Linformer將鍵值投影到k=64，則顯存節(jié)省比例。答案：(1)權(quán)重形狀100×900；(2)100×900×2Byte=180kB；(3)原顯存：900×256×2=460.8kB，投影后(900+100)×64×2=128kB，節(jié)省比例=(460.8128)/460.8≈72.2%。七、綜合設(shè)計(jì)題（共30分）31.某城市需在邊緣盒子部署人群密度估計(jì)系統(tǒng)，硬件為JetsonOrinNano8GB，攝像頭1080p@30fps，要求：(1)選擇模型并說明理由；(2)給出量化與剪枝方案；(3)設(shè)計(jì)前后處理流水線，使端到端延遲<100ms。答案：(1)選用CSRNetLite，原因：僅0.8M參數(shù)，MAE8.5onShanghaiTechA，支持輸入任意尺寸；(2)采用PTQINT8+通道剪枝30%，使用TensorRT8.6，校準(zhǔn)集200張，AdaRound提升0.3MAE；(3)流水線：??前處理：V4L2mmap零拷貝→CUDA預(yù)處理（resize+normalize）耗時(shí)8ms；??推理：INT8引擎單次16ms；??后處理：GPU并行密度圖積分+偽彩色疊加12ms；??總延遲36ms<100ms，余量64ms用于多路復(fù)用。八、代碼閱讀與補(bǔ)全（共20分）32.閱讀下列PyTorch代碼并補(bǔ)全缺失部分，使實(shí)現(xiàn)“SoftNMS”的GPU加速版本：```importtorchdefsoft_nms(boxes,scores,sigma=0.5,thresh=0.001):"""boxes:Tensor[N,4](x1,y1,x2,y2)scores:Tensor[N]"""keep=[]_,idx=scores.sort(descending=True)boxes=boxes[idx]scores=scores[idx]whileboxes.numel()>0:top=boxes[0]keep.append(idx[0].item())iou=box_iou(top.unsqueeze(0),boxes).squeeze(0)weight=torch.exp((iouiou)/sigma)缺失行1scores=weight缺失行2keep_mask=scores>thresh缺失行3idx=idx[keep_mask]boxes=boxes[keep_mask]scores=scores[keep_mask]returntorch.tensor(keep,dtype=torch.long,device=boxes.device)```答案：已補(bǔ)全三行注釋處