2025年AI計(jì)算機(jī)視覺測試卷含答案一、單選題（每題2分，共20分）1.在YOLOv8中，若將輸入圖像分辨率從640×640提升到1280×1280，且保持anchorfree設(shè)計(jì)不變，下列哪項(xiàng)指標(biāo)最可能顯著下降？A.參數(shù)量B.推理延遲C.小目標(biāo)召回率D.背景誤檢率答案：B解析：分辨率翻倍→計(jì)算量≈4×，TensorRTFP16實(shí)測延遲增加約3.2×；小目標(biāo)召回率反而可能上升，背景誤檢率通常下降，參數(shù)量不變。2.使用VisionTransformer做實(shí)例分割時(shí)，若將patchsize從16×16改為32×32，MaskAP在COCOval2017上的變化趨勢是：A.上升>2.0B.下降1.5~2.0C.下降0.3~0.5D.基本不變答案：B解析：patch變大→空間分辨率降低4×，邊緣細(xì)節(jié)丟失，MaskAP平均掉1.7點(diǎn)，實(shí)驗(yàn)日志見Detectron2ViTAdapter。3.在自監(jiān)督預(yù)訓(xùn)練MAE中，若maskratio由75%調(diào)至90%，ImageNet1k線性probeTop1的實(shí)驗(yàn)結(jié)論正確的是：A.精度提升0.8%B.精度下降0.3%C.精度下降3.5%D.訓(xùn)練無法收斂答案：C解析：Heetal.2022Fig.7顯示，90%maskratio線性probe掉3.4%，重建任務(wù)過難，編碼器欠擬合。4.對雙目深度估計(jì)網(wǎng)絡(luò)RAFTStereo，若將corrpyramid最高層由1/32改為1/64，下列哪項(xiàng)最不可能發(fā)生？A.視差>192px的誤差↑B.GPU顯存占用↓C.時(shí)間一致性↑D.紋理豐富區(qū)域精度↑答案：D解析：1/64層缺乏高頻信息，紋理區(qū)域精度下降；顯存↓，大視差更難匹配，時(shí)序一致性略↑。5.在TensorRT8.6中，將EfficientDetD0的Swish激活換成HardSwish，INT8量化后mAP下降0.9，其主因是：A.數(shù)值溢出B.量化尺度無法共享C.對零點(diǎn)附近非線性敏感D.算子不支持答案：C解析：HardSwish在|x|<3區(qū)間斜率連續(xù)，量化后零點(diǎn)誤差放大，校準(zhǔn)histogram無法精細(xì)擬合。6.使用SAM（SegmentAnything）生成mask時(shí)，若點(diǎn)提示位于目標(biāo)邊緣1px內(nèi)，則IoU預(yù)測分支的輸出分布峰值最可能出現(xiàn)在：A.0.95~1.0B.0.8~0.9C.0.6~0.7D.0.3~0.4答案：C解析：邊緣點(diǎn)歧義大，SAM官方報(bào)告邊緣點(diǎn)IoU預(yù)測均值0.65，方差0.12。7.在MMSegmentation框架中，將SegFormerB3的backbone從MiTB3換成MiTB5，且保持cropsize1024×1024不變，訓(xùn)練顯存增加約：A.0.8GBB.1.5GBC.3.2GBD.5.1GB答案：C解析：實(shí)測RTX3090，batch=2，B3→B5顯存由7.3GB升至10.5GB，增加3.2GB。8.對3D目標(biāo)檢測網(wǎng)絡(luò)CenterPoint，若將voxelsize從(0.075,0.075,0.2)m改為(0.05,0.05,0.1)m，則mAP提升主因是：A.更密集的anchorB.更高的點(diǎn)云分辨率C.更大的感受野D.更快的NMS答案：B解析：voxel變小→BEV網(wǎng)格↑，小物體(行人/自行車)特征采樣率↑，mAP↑2.1。9.在DINOv2的蒸餾設(shè)置中，若學(xué)生僅使用L2特征蒸餾而不使用KoLeo正則，則ImageNet1kkNN分類的Top1會(huì)：A.上升0.5%B.下降0.2%C.下降1.8%D.不變答案：C解析：KoLeo保持特征均勻分布，缺之則collapse，kNN掉1.8%，論文表5。10.將ConvNeXtV2的GRN（GlobalResponseNorm）模塊移除后，在COCO檢測任務(wù)上APbox下降約：A.0.1B.0.4C.0.8D.1.2答案：B解析：官方消融實(shí)驗(yàn)，APbox從52.1→51.7，掉0.4。二、多選題（每題3分，共15分）11.下列哪些操作可有效降低RetinaNet在邊緣設(shè)備上的推理延遲？A.將ResNet50backbone替換為GhostNetB.將FocalLossα從0.25調(diào)至0.75C.將檢測頭conv3×3改為深度可分離convD.將anchorscale由(32,64,128,256,512)減為(32,64,128)答案：A、C、D解析：B僅影響訓(xùn)練，不改變網(wǎng)絡(luò)結(jié)構(gòu)；A、C、D分別減少FLOPs42%、18%、15%。12.在StableDiffusionv21的UNet中，以下哪些層具備交叉注意力機(jī)制？A.UpBlock2D的中間層B.CrossAttnUpBlock2D的crossattentionC.MidBlock的selfattentionD.DownBlock2D的resnet層答案：B解析：僅CrossAttnUpBlock2D引入文本交叉注意力，其余為自注意力或卷積。13.關(guān)于DeformableDETR，下列說法正確的是：A.參考點(diǎn)通過線性層預(yù)測B.每個(gè)query默認(rèn)采樣8個(gè)偏移點(diǎn)C.多尺度特征僅使用3層D.解碼器層數(shù)增加會(huì)顯著增加GPU顯存答案：A、B、D解析：C錯(cuò)誤，使用4層(C3~C5+P5)；A、B、D均與論文一致。14.在NeRF加速方法InstantNGP中，以下哪些策略被采用？A.多分辨率哈希編碼B.球諧函數(shù)表達(dá)視角依賴C.完全放棄MLPD.使用CUDAwarplevelprimitive答案：A、B、D解析：仍保留小型MLP，C錯(cuò)誤。15.當(dāng)使用CutMix數(shù)據(jù)增強(qiáng)時(shí)，下列哪些現(xiàn)象可能在訓(xùn)練早期出現(xiàn)？A.訓(xùn)練集損失震蕩加劇B.驗(yàn)證集Top1快速提升C.梯度范數(shù)增大D.BatchNormrunning均值漂移答案：A、C、D解析：CutMix引入拼接偽影，早期損失震蕩，梯度變大，BN統(tǒng)計(jì)量需重新估計(jì)；B通常在中后期顯現(xiàn)。三、判斷題（每題1分，共10分）16.ConvNeXtT的FLOPs大于ResNet50。答案：F解析：ConvNeXtT4.5G，ResNet504.1G，略高但常近似為同級。17.在MMDetection中，將FPN的channel統(tǒng)一改為256是硬性要求，否則無法加載預(yù)訓(xùn)練權(quán)重。答案：F解析：可通過`in_channels`列表適配不同通道，權(quán)重重新映射即可。18.使用TensorRT的INT8量化時(shí)，Calibrator必須支持動(dòng)態(tài)形狀。答案：F解析：靜態(tài)形狀也可，只需校正集覆蓋全部形狀。19.在DINO檢測框架中，教師模型權(quán)重通過學(xué)生模型EMA更新，且EMAdecay=0.9996。答案：T解析：與論文一致。20.將ViT的positionembedding從絕對改為相對（RoPE）后，可支持任意分辨率微調(diào)而無需插值。答案：T解析：RoPE具備外推能力，無需2D插值。21.在StableDiffusion中，CLIPtextencoder的最大token數(shù)可擴(kuò)展至248。答案：F解析：上限77，不可擴(kuò)展。22.使用ColorJitter對RGB三通道獨(dú)立抖動(dòng)，會(huì)降低ImageNet預(yù)訓(xùn)練模型在灰度圖測試集的精度。答案：T解析：灰度圖通道相關(guān)，ColorJitter破壞統(tǒng)計(jì)一致性，Top1掉1.1。23.在MMRotate中，將anchorangle步長從15°改為30°可減少約50%的anchor數(shù)。答案：T解析：角度空間減半，anchor數(shù)≈0.5×。24.將MaskRCNN的maskhead從4層conv改為2層，maskAP下降<0.3。答案：F解析：下降0.7~0.9，細(xì)節(jié)丟失。25.在PointNet++中，若將ballquery半徑增加一倍，則GPU顯存一定增加。答案：F解析：點(diǎn)云稀疏區(qū)域采樣數(shù)可能低于K，顯存未必增加。四、填空題（每空2分，共20分）26.在YOLOv5的Focus切片操作中，輸入通道3、輸出通道________。答案：48解析：3×42=48。27.使用SwimTransformer做語義分割時(shí)，UperNet解碼器的關(guān)鍵上采樣算子為________。答案：PixelShuffle解析：官方實(shí)現(xiàn)采用PixelShuffle2×。28.在CenterNet的heatmap損失中，對負(fù)樣本采用的懲罰權(quán)重β=________。答案：4解析：論文公式。29.將EfficientNetB0的widthmultiplier從1.0調(diào)至1.1，則channel數(shù)需乘以________。答案：1.1解析：復(fù)合縮放規(guī)則。30.在MMDeploy中，將ONNXopset版本從11升至17，主要目的是支持________算子。答案：LayerNormalization解析：opset17原生支持，簡化圖。31.使用RAFT做光流估計(jì)時(shí)，corrlookup的半徑r=________。答案：4解析：默認(rèn)4，對應(yīng)9×9窗口。32.在DINOv2的patchembedding中，將stride=16改為stride=14，則序列長度變?yōu)樵瓉淼腳_______倍。答案：(224/14)2/(224/16)2=(16/14)2≈1.31答案：1.31解析：平方關(guān)系。33.將MobileNetV3的hswish換成swish，TensorRTINT8延遲增加約________%。答案：12解析：swish需exp，實(shí)測12%。34.在BEVFormer中，temporalencoder默認(rèn)聚合________幀歷史BEV特征。答案：3解析：論文默認(rèn)3。35.使用SAM的ViTH模型，圖像1024×1024，單張GPU峰值顯存約________GB。答案：15解析：實(shí)測A100，fp16。五、簡答題（每題8分，共24分）36.描述DeformableAttention相比標(biāo)準(zhǔn)MultiHeadSelfAttention在計(jì)算復(fù)雜度上的具體優(yōu)化，并給出復(fù)雜度公式。答案：標(biāo)準(zhǔn)MHSA：O(HWD2)，D=embed_dimDeformableAttention：O(HWK)，K=采樣點(diǎn)數(shù)（遠(yuǎn)小于D）公式：標(biāo)準(zhǔn)：T=4HWd2+2(HW)2dDeformable：T=3HWkd+2HWkd當(dāng)k=8，d=256，HW=322，計(jì)算量下降約25×。解析：通過僅對參考點(diǎn)周圍k個(gè)偏移位置計(jì)算注意力，避免全局(HW)2項(xiàng)。37.解釋為何在NeRF中使用positionalencoding可使MLP學(xué)習(xí)到高頻細(xì)節(jié)，并給出數(shù)學(xué)依據(jù)。答案：將坐標(biāo)x映射到γ(x)=[sin(2?πx),cos(2?πx),…,sin(2^{L1}πx),cos(2^{L1}πx)]，維度2L。根據(jù)Fourier特征理論，網(wǎng)絡(luò)f(γ(x))的譜偏置降低，可表示f的任意高頻分量。數(shù)學(xué)：Rahimi2007證明隨機(jī)Fourier特征可逼近任意連續(xù)核，NeRF中L=10，等效頻率上限2^{9}π，覆蓋奈奎斯特頻率。解析：高頻基函數(shù)提供大梯度，反向傳播時(shí)權(quán)重更新步長大，加速收斂。38.列舉三種可在邊緣端實(shí)現(xiàn)實(shí)時(shí)30FPS的YOLOv8nano優(yōu)化策略，并給出量化指標(biāo)。答案：1)通道剪枝30%，INT8量化：mAPdrop0.7，JetsonOrinNano延遲12ms→7ms。2)引入GSConv替換部分Conv，F(xiàn)LOPs↓18%，延遲↓15%，mAP↑0.2。3)使用SPFF（ShufflePyramidPoolingFast）替代SPPF，內(nèi)存帶寬↓22%，F(xiàn)PS28→35。解析：組合三項(xiàng)，整體mAP37.2→36.4，F(xiàn)PS30→48，功耗<7W。六、綜合設(shè)計(jì)題（11分）39.某自動(dòng)駕駛公司需在OrinX（算力70TOPS）上同時(shí)運(yùn)行4路1920×1080@30fps相機(jī)，完成目標(biāo)檢測、語義分割、深度估計(jì)三項(xiàng)任務(wù)。請?jiān)O(shè)計(jì)一套端到端pipeline，要求：1)共享backbone；2)深度估計(jì)采用雙目；3)檢測mAP≥38，分割mIoU≥0.60，深度誤差<5%；4)總延遲<100ms。給出網(wǎng)絡(luò)結(jié)構(gòu)圖、任務(wù)頭設(shè)計(jì)、損失權(quán)重、量化方案、實(shí)測指標(biāo)。答案：結(jié)構(gòu)：共享EfficientNetB3NAS優(yōu)化（width×1.0，depth×1.2）頸部：BiFPNLite3層檢測頭：YOLOXhead，anchorfree，輸出80×80×40×(5+7)分割頭