2025年人工智能(計算機視覺識別)綜合測試試卷及答案一、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，則特征圖的空間分辨率應(yīng)為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FocalLoss訓(xùn)練目標(biāo)檢測網(wǎng)絡(luò)時，其主要解決的痛點是A.小目標(biāo)漏檢??B.正負(fù)樣本極不均衡??C.定位框回歸不準(zhǔn)??D.多尺度特征融合不足答案：B解析：FocalLoss通過降低易分樣本權(quán)重，緩解前景背景比例懸殊導(dǎo)致的訓(xùn)練失衡。3.在VisionTransformer中，位置編碼采用sincos函數(shù)而非可學(xué)習(xí)參數(shù)的主要優(yōu)勢是A.減少顯存占用??B.支持任意分辨率外推??C.提升收斂速度??D.增強局部歸納偏置答案：B解析：sincos編碼具有周期性且與輸入分辨率無關(guān)，可零樣本泛化到更大尺寸圖像。4.當(dāng)使用MobileNetV3作為主干網(wǎng)絡(luò)時，引入hswish激活函數(shù)的核心動機是A.提升非線性度??B.降低量化誤差??C.減少乘加操作??D.增加感受野答案：C解析：hswish為hard形式的swish，用分段線性逼近，節(jié)省計算量并利于量化。5.在CenterNet中，若高斯核半徑設(shè)置為自適應(yīng)半徑R=ceil(log2(max(w,h))/2)，則其物理意義是A.保證IoU≥0.7??B.控制正樣本區(qū)域覆蓋??C.抑制鄰近重復(fù)框??D.匹配anchor尺寸答案：B解析：自適應(yīng)半徑使高斯熱圖覆蓋目標(biāo)中心鄰域，既保證召回又避免過多偽正樣本。6.對于雙目深度估計，使用Census變換的主要目的是A.提升弱紋理區(qū)域魯棒性??B.降低光照影響??C.加速匹配??D.減少內(nèi)存占用答案：A解析：Census將局部灰度序轉(zhuǎn)化為比特串，對亮度單調(diào)變化不敏感，適合弱紋理。7.在MaskRCNN的ROIAlign中，若輸出尺寸為7×7，采樣點數(shù)為4，則每個bin實際插值次數(shù)為A.4??B.7??C.16??D.49答案：C解析：每個bin內(nèi)2×2網(wǎng)格，每點雙線性插值4鄰域，共4×4=16次。8.使用知識蒸餾壓縮模型時，若教師網(wǎng)絡(luò)輸出軟標(biāo)簽溫度T=4，則學(xué)生損失中KL散度權(quán)重通常A.與T成正比??B.與T2成正比??C.與1/T成正比??D.與T無關(guān)答案：B解析：軟標(biāo)簽梯度幅值約與T2成正比，故需放大權(quán)重保持蒸餾信號強度。9.在Transformer檢測器DINO中，引入對比去噪（contrastivedenoising）的關(guān)鍵收益是A.減少編碼器層數(shù)??B.加速NMS??C.抑制重復(fù)查詢??D.降低標(biāo)注噪聲答案：C解析：通過引入負(fù)查詢，拉大與真值查詢距離，降低解碼器輸出冗余框。10.當(dāng)采用RandAugment進(jìn)行自動增強時，若Magnitude=10，則其搜索空間大小為A.10??B.14??C.28??D.140答案：D解析：14種變換，每種11檔強度，共14×10=140（強度0視為無操作）。二、多項選擇題（每題3分，共15分；多選少選均不得分）11.以下哪些策略可直接提升小目標(biāo)檢測APwithoutextrainferencecost？A.復(fù)制粘貼小目標(biāo)增廣??B.引入P2級特征層??C.使用更大輸入分辨率??D.采用Albumentations像素級增強答案：A、B解析：復(fù)制粘貼與P2層均不增加推理耗時；大輸入與像素增強會提高延遲。12.關(guān)于SelfSupervisedPretraining，下列說法正確的是A.MoCov3采用ViT作為編碼器??B.SimCLR需要隊列字典??C.BYOL無需負(fù)樣本??D.SwAV使用聚類偽標(biāo)簽答案：A、C、D解析：SimCLR靠大批量負(fù)樣本，無需隊列；MoCov3、BYOL、SwAV描述均正確。13.在TensorRT部署YOLOv5時，以下層類型會被融合為單一kernelA.Conv+BN+ReLU??B.MaxPool+Pad??C.SiLU+Scale??D.Resize+Concat答案：A、C解析：TensorRT通過垂直融合將ConvBNReLU或ConvSiLU合并；Resize與Concat為水平操作，不融合。14.造成實例分割mask邊緣鋸齒的可能原因有A.雙線性上采樣??B.下采樣倍率過大??C.訓(xùn)練未采用MaskIoULoss??D.測試未啟用TTA答案：B、C解析：下采樣損失細(xì)節(jié)；MaskIoULoss可優(yōu)化邊緣對齊；雙線性上采樣與TTA影響有限。15.對于長尾分布數(shù)據(jù)集，以下?lián)p失函數(shù)設(shè)計能緩解尾部類別欠擬合A.EqualizationLoss??B.ClassBalancedLoss??C.FocalLoss??D.LDAMLoss答案：A、B、D解析：三者均通過重加權(quán)或間隔調(diào)整提升尾部性能；FocalLoss主要解決難易樣本，不針對長尾。三、填空題（每空2分，共20分）16.在DeformableDETR中，若編碼器層數(shù)為6，解碼器層數(shù)為6，每個查詢采樣K=4個可學(xué)習(xí)偏移，則單張圖片可變形注意力總偏移參數(shù)量為________。答案：6×(H/32×W/32)×256×4×2=6×20×20×256×8=3.932×10?解析：編碼器特征圖20×20，通道256，每層每個頭4個偏移，xy二維，共6層。17.使用Cityscapes語義分割評測，若某模型輸出預(yù)測圖尺寸為1024×2048，需先通過________插值還原至原始標(biāo)簽尺寸。答案：最近鄰解析：語義分割類別索引圖需保持整數(shù)，最近鄰避免引入虛假類別。18.在Mosaic數(shù)據(jù)增強中，四張圖拼接后最小過濾框面積閾值為4pixel2，其目的是________。答案：去除超小偽框，防止訓(xùn)練噪聲解析：拼接縫隙產(chǎn)生極窄框，過濾可穩(wěn)定收斂。19.RepVGG在訓(xùn)練時采用________分支結(jié)構(gòu)，推理時通過________轉(zhuǎn)化為單路3×3卷積。答案：多分支（1×1+3×3+identity），結(jié)構(gòu)重參數(shù)化解析：訓(xùn)練階段多分支提升精度，推理階段等效合并為單一kernel。20.當(dāng)使用混合精度訓(xùn)練時，LossScale初始值通常設(shè)為________，其更新策略為________。答案：21?，動態(tài)梯度檢查（若溢出則減半，連續(xù)若干步無溢出則倍增）解析：防止梯度下溢，同時兼顧最大可表示范圍。四、判斷題（每題1分，共10分；正確打“√”，錯誤打“×”）21.SwinTransformer的ShiftedWindow操作可在不增加計算量的情況下擴大感受野。√22.在RetinaNet中，若將FocalLoss的α從0.25調(diào)至0.75，則正樣本權(quán)重降低。×23.使用CutMix增強時，標(biāo)簽按面積比例分配，因此可能引入混合類別?！?4.在深度可分離卷積中，5×5深度卷積參數(shù)量是3×3深度卷積的25/9倍。√25.當(dāng)采用GradientCheckpoint時，顯存占用與層數(shù)呈線性關(guān)系?！?6.在CenterTrack中，前一幀特征通過可學(xué)習(xí)偏移與當(dāng)前幀對齊，無需顯式運動模型?！?7.使用AdaBound優(yōu)化器時，學(xué)習(xí)率會在訓(xùn)練后期自動切換至SGD模式?！?8.在EfficientDet中，BiFPN的跨尺度連接可看作帶權(quán)重的雙向PANet?！?9.將ReLU6替換為HardSwish后，INT8量化精度必然下降?！?0.在Transformer中，QK^T矩陣乘法的計算復(fù)雜度與序列長度呈平方關(guān)系。√五、簡答題（每題8分，共24分）31.描述Mask2Former如何將語義、實例、全景分割統(tǒng)一為同一框架，并指出其關(guān)鍵設(shè)計。答案：1）統(tǒng)一查詢：采用objectquery同時承載thing與stuff語義，無需區(qū)分分支。2）maskedattention：在解碼器中對每個query僅允許關(guān)注高分辨率特征圖K×K局部窗口，降低計算。3）queryfeature交互：采用多尺度特征金字塔（P3P5）與像素級特征做逐層dotproduct，生成mask嵌入。4）損失設(shè)計：使用二分匹配，將預(yù)測mask與真值計算dice+focalloss，無需NMS后處理。解析：通過maskedattention解耦thing與stuff，實現(xiàn)三分支共享權(quán)重，簡化架構(gòu)并提升全景PQ2.9。32.說明DINOv2自監(jiān)督預(yù)訓(xùn)練中，如何防止模型塌陷（collapse）并提升全局局部一致性。答案：1）圖像級目標(biāo)：采用SwAV式聚類偽標(biāo)簽，在線Kmeans生成原型，交叉熵約束防止平凡解。2）局部級目標(biāo)：引入patchlevel對比損失，同一圖像不同裁剪的patch嵌入拉近，不同圖像推遠(yuǎn)。3）動量教師：教師更新采用ema系數(shù)0.996→1，保證目標(biāo)一致性。4）深度歸一化：在ViT后層添加LayerScale，穩(wěn)定大模型訓(xùn)練。解析：多粒度目標(biāo)+動量教師+歸一化聯(lián)合作用，使1B參數(shù)模型在ImageNet線性probe達(dá)86.2%。33.列舉三種無需重新訓(xùn)練即可提升YOLOv5檢測精度的推理階段技巧，并給出原理。答案：1）TestTimeAugmentation（TTA）：多尺度+翻轉(zhuǎn)集成，提升召回，后合并框加權(quán)平均。2）模型EMA權(quán)重回灌：將訓(xùn)練過程保存的EMA權(quán)重替換最終權(quán)重，獲得更平滑參數(shù)。3）自適應(yīng)NMS：對每類動態(tài)調(diào)整閾值，高置信度類別放松IoU閾值，減少誤殺。解析：三者均利用已有權(quán)重，通過推理策略挖掘潛在性能，TTA可+1.5mAP，EMA+0.8，自適應(yīng)NMS+0.7。六、計算與推導(dǎo)題（共31分）34.（9分）給定一張1920×1080圖像，采用YOLOv5s檢測，下采樣倍數(shù)為[8,16,32]，anchor尺寸為P3:[(10,13),(16,30),(33,23)],P4:[(30,61),(62,45),(59,119)],P5:[(116,90),(156,198),(373,326)]。若某目標(biāo)框w×h=220×180，中心在(960,540)，請計算：（1）該目標(biāo)落在哪個特征層；（2）對應(yīng)最佳anchor索引；（3）該anchor與目標(biāo)框的IoU。答案：（1）計算面積220×180=39600，P3最大anchor面積≈33×23=759，P4最大≈62×45=2790，P5最小≈116×90=10440，故選P5。（2）P5三組anchor與目標(biāo)IoU：A:116×90vs220×180，IoU=0.456；B:156×198vs220×180，IoU=0.712；C:373×326vs220×180，IoU=0.298；最佳索引為B。（3）IoU=0.712。解析：通過面積預(yù)篩+IoU精排，確定負(fù)責(zé)預(yù)測的層與anchor。35.（10分）在DeformableAttention中，給定查詢q∈?^256，參考點p∈?2，頭數(shù)H=8，每頭采樣點K=4，偏移量通過線性層輸出Δp∈?^{H×K×2}。若輸入特征圖X∈?^{C×H_f×W_f}，C=256，H_f=20，W_f=20，請推導(dǎo)：（1）單樣本單頭可變形注意力計算復(fù)雜度（乘加次數(shù)）；（2）與標(biāo)準(zhǔn)Transformer自注意力復(fù)雜度比值。答案：（1）每頭K=4采樣點，雙線性插值權(quán)重需4次乘加每通道，共256通道，另加加權(quán)求和256×4次乘加，總計256×4×2+256×4=2560次乘加。（2）標(biāo)準(zhǔn)自注意力：序列長度N=400，復(fù)雜度O(N2C)=4002×256=4.096×10?；可變形注意力：O(NKC)=400×4×256=4.096×10?；比值≈0.01。解析：可變形注意力將平方復(fù)雜度降至線性，顯著節(jié)省計算。36.（12分）考慮一個長尾數(shù)據(jù)集，類別數(shù)1000，頭部100類占樣本80%，尾部900類占20%。采用ClassBalancedLoss，其權(quán)重公式為w_c=(1β)/(1β^{n_c})，其中β=0.999，n_c為類別c的樣本數(shù)。若頭部某類n_h=10000，尾部某類n_t=10，請計算：（1）w_h與w_t；（2）若交叉熵?fù)p失替換為CBLoss，尾部類有效梯度放大倍數(shù)；（3）分析β→1與β→0的極端行為。答案：（1）w_h=(10.999)/(10.999^10000)≈0.001/(1e^{10})≈0.001/0.99995≈0.001；w_t=0.001/(10.999^10)≈0.001/(1e^{0.01})≈0.001/0.00995≈0.1005；（2）放大倍數(shù)=w_t/w_h≈100.5；（3）β→1時w_c≈1/n_c，退化為逆頻率加權(quán)；β→0時w_c≈1，所有類權(quán)重相同，退化為標(biāo)準(zhǔn)交叉熵。解析：CBLoss通過β平滑控制重加權(quán)強度，避免極端稀有類權(quán)重爆炸。七、編程與實戰(zhàn)題（共30分）37.（閱讀代碼補全，15分）以下PyTorch片段旨在實現(xiàn)SimCLR的NTXent損失，請補全缺失部分，使正負(fù)樣本對溫度縮放后計算正確。```pythonimporttorchimporttorch.nnasnnimporttorch.nn.functionalasFclassNT_Xent(nn.Module):def__init__(self,batch_size,temperature=0.5):super().__init__()self.batch_size=batch_sizeself.temperature=temperatureself.mask=self._mask_correlated_samples(batch_size)self.criterion=nn.CrossEntropyLoss(reduction="sum")def_mask_correlated_samples(self,batch_size):diag=torch.eye(batch_size2).bool()mask=torch.ones((batch_size2,batch_size2),dtype=bool)mask.masked_fill_(diag,0)mask[batch_size:,:batch_size]=0mask[:batch_size,batch_size:]=0returnmaskdefforward(self,z_i,z_j):z=torch.cat([z_i,z_j],dim=0)2N×Dsim=torch.mm(z,z.T)/self.temperature2N×2Nsim.masked_fill_(torch.eye(sim.size(0)).bool().to(sim.device),float('inf'))pos=torch.cat([torch.diag(sim,self.batch_size),torch.diag(sim,self.batch_size)],dim=0)2Nneg=sim[self.mask].view(2self.batch_size,1)logits=torch.cat([pos.unsqueeze(1),neg],dim=1)labels=t