2025年(人工智能)計算機視覺技術(shù)試題及答案一、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，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，故特征圖尺寸為20×20。2.使用ResNet50做遷移學(xué)習(xí)時，若新任務(wù)類別數(shù)為5，則網(wǎng)絡(luò)最后一層全連接層的輸出通道數(shù)應(yīng)改為A.5??B.50??C.1000??D.2048答案：A解析：遷移學(xué)習(xí)需將原1000類輸出改為新任務(wù)類別數(shù)5。3.在雙目立體匹配中，常用的“贏家通吃”策略對應(yīng)下列哪種代價聚合方式A.SGM??B.ADCensus??C.WTA??D.GraphCuts答案：C解析：WTA（WinnerTakeAll）直接選取最小代價對應(yīng)的視差。4.若某卷積層輸入通道為256，輸出通道為512，卷積核3×3，padding=1，則該層參數(shù)量為A.256×512×3×3??B.256×512×3×3+512??C.512×3×3??D.256×512×9+512答案：B解析：權(quán)重參數(shù)量=輸入通道×輸出通道×卷積核尺寸，偏置參數(shù)量=輸出通道。5.在VisionTransformer中，位置編碼不可學(xué)習(xí)時，原論文采用的形式為A.絕對正弦??B.相對正弦??C.可學(xué)習(xí)向量??D.二維高斯答案：A解析：ViT原始論文使用1D絕對正弦位置編碼。6.使用FocalLoss訓(xùn)練目標檢測器時，若γ=2，某樣本易分且pt=0.9，則其損失權(quán)重為A.0.01??B.0.1??C.0.81??D.1答案：A解析：權(quán)重=(1?pt)^γ=0.12=0.01，顯著降低易分樣本貢獻。7.在實例分割任務(wù)中，MaskRCNN與FasterRCNN相比，額外增加的分支是A.RPN??B.MaskHead??C.KeypointHead??D.FPN答案：B解析：Mask分支用于像素級掩碼預(yù)測。8.若某圖像經(jīng)CLAHE處理，cliplimit=2，tile尺寸8×8，則直方圖裁剪閾值等于A.2??B.2×平均計數(shù)??C.2×tile像素數(shù)??D.2×bin寬度答案：B解析：CLAHE將直方圖裁剪至cliplimit×平均計數(shù)，再redistribute。9.在深度估計網(wǎng)絡(luò)UniFormer中，用于跨窗口信息交互的模塊稱為A.MHSA??B.CMRA??C.DCA??D.WMSA答案：C解析：DCA（CrossShapedWindowAttention）實現(xiàn)跨窗口通信。10.使用TensorRT加速YOLOv7時，若某層輸出維度為1×255×20×20，其中255可分解為A.3×(5+80)??B.5×51??C.85×3??D.255×1答案：A解析：YOLOv7每個anchor預(yù)測85維（4box+1obj+80cls），3anchor×85=255。二、多項選擇題（每題3分，共15分，多選少選均不得分）11.下列哪些操作可有效緩解語義分割中的類別不平衡A.加權(quán)交叉熵??B.DiceLoss??C.OHEM??D.隨機旋轉(zhuǎn)答案：A、B、C解析：加權(quán)CE、DiceLoss、OHEM均針對不平衡，旋轉(zhuǎn)屬增強無關(guān)。12.關(guān)于BatchNorm推理階段行為，正確的是A.使用滑動平均均值??B.使用滑動平均方差??C.停止更新參數(shù)??D.重新計算批統(tǒng)計答案：A、B、C解析：推理時均值方差固定，不再更新。13.在相機標定中，張正友法需要拍攝的標定板姿態(tài)至少滿足A.2個不同位姿??B.無共線約束??C.覆蓋圖像邊緣??D.純旋轉(zhuǎn)不行答案：C、D解析：需覆蓋視野且避免純旋轉(zhuǎn)，2個位姿不足，共線無影響。14.下列哪些指標可直接用于評估目標檢測器在COCO上的性能A.AP@0.5??B.AP@0.75??C.mAP??D.AR@100答案：A、B、C、D解析：COCO官方提供AP、AR系列指標。15.在自監(jiān)督學(xué)習(xí)MoCov3中，以下哪些設(shè)計可防止模型崩潰A.動量更新??B.對稱損失??C.停止梯度??D.預(yù)測頭答案：B、C、D解析：對稱損失+stopgrad+predictor共同防止崩潰，動量更新僅為keyencoder。三、填空題（每空2分，共20分）16.若某圖像尺寸為1920×1080，采用窗口大小7×7的滑動窗口進行模板匹配，步長為1，則總匹配次數(shù)為________。答案：(1920?7+1)×(1080?7+1)=1914×1074=2055636解析：滑動窗口公式(W?w+1)×(H?h+1)。17.在RetinaNet中，F(xiàn)PN輸出5層特征圖，分別對應(yīng)原圖下采樣倍數(shù)為________。答案：8,16,32,64,128解析：P3~P7對應(yīng)下采樣2^3~2^7。18.使用雙線性插值將64×64圖像放大到256×256，需要計算的權(quán)重參數(shù)數(shù)量為________。答案：256×256×4解析：每個目標像素需4個鄰近點權(quán)重，共4×2562=262144。19.若某卷積層dilation=2，kernel=3×3，則等效感受野大小為________。答案：5×5解析：dilatedkernel尺寸=1+(k?1)×d=1+2×2=5。20.在CenterNet中，若heatmap峰值閾值為0.3，某位置預(yù)測置信度0.25，則該點________（會/不會）被保留。答案：不會解析：低于閾值被抑制。21.使用RANSAC估計單應(yīng)矩陣時，若內(nèi)點閾值設(shè)為3pixel，置信概率0.99，數(shù)據(jù)點200，內(nèi)點比例60%，則至少需要迭代________次。答案：5解析：k=log(1?p)/log(1?w^n)=log(0.01)/log(1?0.6^4)≈4.7→向上取整5。22.在VisionTransformer中，若patchsize=16，輸入224×224，則序列長度為________。答案：(224/16)2=142=196解析：224÷16=14，14×14=196。23.若某模型參數(shù)量為25M，使用FP16存儲，則權(quán)重文件大小約為________MB。答案：50解析：25×2=50MB。24.使用Canny邊緣檢測，高閾值是低閾值的________倍時，邊緣連接效果最佳。答案：2~3解析：經(jīng)驗值2~3倍。25.在DeepSort中，用于外觀特征的神經(jīng)網(wǎng)絡(luò)輸出維度通常為________。答案：128解析：官方模型輸出128維。四、判斷題（每題1分，共10分，正確打“√”，錯誤打“×”）26.在YOLO系列中，anchorfree版本完全不需要先驗框。答案：√解析：YOLOX、YOLOv8anchorfree直接預(yù)測中心偏移。27.使用ReLU激活函數(shù)一定不會出現(xiàn)梯度消失。答案：×解析：負半軸梯度為0，仍可能“dyingReLU”。28.在圖像超分中，L1損失比L2損失更易產(chǎn)生模糊紋理。答案：×解析：L2懲罰大誤差更重，更易模糊；L1保留邊緣。29.雙目視覺深度誤差與基線長度成反比。答案：√解析：ΔZ∝Z2/b，基線b越大誤差越小。30.在BatchNorm中，ε的作用是防止除零。答案：√解析：ε=1e5穩(wěn)定數(shù)值。31.使用MixUp增強時，標簽也需要線性插值。答案：√解析：MixUp對圖像與標簽均插值。32.在實例分割中，MaskIoU與BoxIoU無相關(guān)性。答案：×解析：BoxIoU高時MaskIoU通常也高。33.VisionTransformer的注意力復(fù)雜度與序列長度成線性關(guān)系。答案：×解析：O(n2d)。34.使用FP16推理時，必須開啟LossScaling才能訓(xùn)練。答案：×解析：推理無需反向傳播，可不開LossScaling。35.在圖像檢索中，使用RMAC特征比GEM特征更關(guān)注局部細節(jié)。答案：√解析：RMAC多區(qū)域池化，GEM全局平均。五、簡答題（每題8分，共24分）36.描述MaskRCNN中RoIAlign與RoIPool的差異，并說明RoIAlign如何消除量化誤差。答案：RoIPool分兩步：1)將浮點RoI量化到網(wǎng)格，2)量化后分bin再maxpool。兩次量化導(dǎo)致特征與原始RoI不對齊。RoIAlign取消量化，使用雙線性插值在浮點坐標采樣，每個bin內(nèi)均勻取4個采樣點，計算其插值結(jié)果再平均/最大，從而保持空間精度，提升mask質(zhì)量。解析：量化誤差≈±0.5pixel，對小目標mask影響顯著，RoIAlign使AP提升約3點。37.解釋SelfAttention中“QK^T”計算的物理意義，并推導(dǎo)其復(fù)雜度。答案：QK^T計算查詢與鍵的相似度，得到注意力權(quán)重。設(shè)序列長n，維度d，則Q、K∈R^{n×d}，矩陣乘QK^T共n×n×d次乘法，復(fù)雜度O(n2d)。物理意義：每對位置間點積相似度，決定信息傳遞強度。解析：除以√d后softmax，使梯度穩(wěn)定，避免softmax飽和。38.列舉三種提升小目標檢測精度的策略，并給出原理說明。答案：1)多尺度訓(xùn)練/測試：輸入分辨率放大，小目標特征放大，提高信噪比；2)復(fù)制粘貼增強(CopyPaste)：將小目標隨機復(fù)制到多張圖像，增加正樣本數(shù)，緩解不平衡；3)特征金字塔增強：引入更高分辨率特征圖(P2或P6)，并設(shè)計更小的anchor(2×2pixel)，使網(wǎng)絡(luò)可檢測<16×16目標。解析：小目標AP通常為大目標1/3，三策略在COCO上可提升小目標AP2~4點。六、計算與推導(dǎo)題（共21分）39.（10分）給定單應(yīng)矩陣H∈R^{3×3}，圖像I1某點齊次坐標x1=[100,200,1]^T，經(jīng)H映射到I2得x2。已知H=[[1.2,0.1,50],[0.15,1.1,60],[0.0003,0.0002,1]]求x2的像素坐標（結(jié)果取整）。答案：x′=Hx1=[1.2×100+0.1×200+50,0.15×100+1.1×200+60,0.0003×100+0.0002×200+1]=[120+20+50,15+220+60,0.03+0.04+1]=[190,295,1.07]歸一化：x2=[190/1.07,295/1.07]=[177.57,275.70]→像素坐標(178,276)解析：齊次坐標需除以第三維，四舍五入得整數(shù)像素。40.（11分）某分割網(wǎng)絡(luò)最后一層輸出logits∈R^{C×H×W}，C=21（含背景），采用在線困難樣本挖掘(OHEM)，batchsize=4，每張圖選前30%hardestpixel。若H=W=64，求單迭代參與反向傳播的像素總量，并寫出hardness度量公式。答案：單圖像素=64×64=4096，30%→0.3×4096=1228.8→1229pixelbatch總量=4×1229=4916pixelHardness度量：使用交叉熵損失?logp_{y}，值越大越難。解析：OHEM只對hardest像素回傳梯度，減少簡單背景主導(dǎo)，提升邊緣精度。七、編程與實驗設(shè)計題（共30分）41.（15分）閱讀下列PyTorch片段，指出三處潛在錯誤并修正，使其能正確訓(xùn)練一個FPNRetinaNet（COCO80類）。```pythonmodel=torchvision.models.detection.retinanet_resnet50_fpn(pretrained=True)model.head.classification_head.num_classes=80optimizer=torch.optim.SGD(model.parameters(),lr=0.02,momentum=0.9)forimages,targetsinloader:loss_dict=model(images,targets)loss=sum(lossforlossinloss_dict.values())optimizer.zero_grad()loss.backward()optimizer.step()```答案與解析：錯誤1：修改num_classes后未替換head內(nèi)的分類層，導(dǎo)致輸出維度仍保持原91；應(yīng)重新創(chuàng)建AnchorGenerator與ClassificationHead。錯誤2：未將模型置于訓(xùn)練模式，缺model.train()；雖默認訓(xùn)練，但顯式調(diào)用更規(guī)范。錯誤3：COCO預(yù)訓(xùn)練權(quán)重為91類，直接修改num_classes會破壞權(quán)重形狀，應(yīng)strict=False加載或丟棄head權(quán)重。修正：```pythonfromtorchvision.models.detectionimportretinanet_resnet50_fpn,RetinaNetHeadmodel=retinanet_resnet50_fpn(pretrained=True,pretrained_backbone=True)in_channels=model.backbone.out_channelsnum_anchors=model.head.classification_head.num_anchorsmodel.head=RetinaNetHead(in_channels,num_anchors,num_classes=80)optimizer=torch.optim.SGD