2025年人工智能工程師計算機視覺考核試卷及答案一、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.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訓練目標檢測模型時，若γ=2，某正樣本的預測概率p=0.9，則其損失值約為A.0.001??B.0.01??C.0.1??D.1答案：B解析：FocalLoss=?(1?p)^γ·log(p)=?(0.1)^2·log(0.9)≈0.01。3.在VisionTransformer中，位置編碼采用二維正弦余弦函數(shù)而非可學習參數(shù)的主要優(yōu)點是A.減少顯存占用??B.支持任意分辨率微調(diào)??C.提升收斂速度??D.增強非線性答案：B解析：正弦余弦編碼具有外推性，可在不同分辨率間插值，無需重新訓練。4.當使用DeepLabV3+時，若output_stride=16，則ASPP模塊中3×3空洞卷積的dilationrate組合為A.6,12,18??B.12,24,36??C.6,12,18,24??D.1,6,12,18答案：A解析：output_stride=16時，標準ASPP采用6,12,18。5.在MMPose中，HRNetw32的“32”指A.網(wǎng)絡深度??B.高分辨率分支寬度??C.最低分辨率分支寬度??D.參數(shù)量32M答案：B解析：HRNetw32表示高分辨率分支的寬度（通道數(shù)）為32。6.若將BatchNorm替換為GroupNorm，在訓練batch_size=2的極端場景下，最可能觀察到A.梯度爆炸??B.損失震蕩??C.收斂變慢但穩(wěn)定??D.顯存占用下降答案：C解析：GroupNorm不依賴batch統(tǒng)計量，小batch下更穩(wěn)定，但收斂速度略慢。7.在TensorRT8.6中，若某INT8量化層出現(xiàn)精度驟降，優(yōu)先檢查的校準算法是A.Entropy??B.Legacy??C.MinMax??D.Percentile答案：A解析：Entropy校準對長尾分布敏感，常導致精度下降，可嘗試Percentile。8.使用RandAugment時，若M=10，N=2，則單張圖像最大可能疊加的變換次數(shù)為A.2??B.10??C.20??D.100答案：A解析：N=2表示隨機選2種變換，每種只應用一次。9.在CenterNet中，若heatmap峰值響應被NMS抑制，最可能原因是A.峰值小于閾值??B.高斯核σ過大??C.峰值間距小于3像素??D.學習率過高答案：C解析：CenterNetNMS采用3×3最大池化，間距小于3像素會被合并。10.將PyTorch模型導出ONNX后，若出現(xiàn)“Resize11”算子不支持，最簡修復方案是A.降級opset=9??B.替換為adaptive_pool??C.固定輸入尺寸??D.使用torch1.12答案：A解析：Resize11在opset=11引入，降級到opset=9可避開。二、多項選擇題（每題3分，共15分）11.下列哪些操作會降低ViT的推理延遲（多選）A.將GELU替換為ReLU??B.使用LinearGQA??C.減少patchsize??D.采用Winograd卷積答案：A、B解析：GELU計算量大，ReLU更快；GQA減少KV頭數(shù)，降低訪存。patchsize減小反而增加序列長度；Winograd僅適用于CNN。12.關于Mask2Former，下列說法正確的是（多選）A.支持實例、語義、全景三分支統(tǒng)一??B.使用learnablequery??C.訓練時maskloss權(quán)重高于分類損失??D.解碼器采用crossattention答案：A、B、D解析：maskloss權(quán)重通常0.5，低于分類1.0，C錯誤。13.在FP16混合精度訓練時，下列哪些情況需手動放大梯度（多選）A.使用AdamW+clip_grad_norm??B.出現(xiàn)梯度下溢??C.損失縮放因子>8192??D.模型含LayerNorm答案：B、C解析：梯度下溢需lossscaling；縮放因子過大也需手動干預。14.下列哪些數(shù)據(jù)增強策略對小目標檢測有效（多選）A.Mosaic??B.CopyPaste??C.RandomCrop??D.MixUp答案：A、B、C解析：Mosaic與CopyPaste增加小目標正樣本；RandomCrop可裁剪出小目標。MixUp對定位精度不利。15.在部署階段，下列哪些技術可緩解模型漂移（多選）A.TestTimeAugmentation??B.ExponentialMovingAverage??C.OnlineHardExampleMining??D.DomainspecificBN答案：A、D解析：TTA提升魯棒性；DomainBN緩解域漂移。EMA與OHEM屬訓練階段。三、填空題（每空2分，共20分）16.在SwinTransformer中，連續(xù)兩個ShiftedWindow之間的偏移量為________像素。答案：?M/2?，其中M=7，故填3。17.若RetinaNet的anchor面積設置為322到5122，共5級，則面積增長因子為________。答案：2。解析：512÷32=16，16^(1/4)=2。18.使用TensorRT的INT8校準，若校準集圖片不足，導致KL散度大于________bit，則判定校準失敗。答案：0.1。解析：官方建議KL<0.1bit。19.在OpenCV中，cv2.remap的插值方式INTER_LINEAR對應的枚舉值為________。答案：1。20.當使用PyTorch的torchvision.ops.nms，若IoU閾值設為0.6，則重疊度大于0.6的框會被________。答案：抑制（或丟棄）。21.在MMDetection配置中，optimizer_config的grad_clip字段若設置dict(max_norm=35,norm_type=2)，表示采用________范數(shù)裁剪。答案：L2。22.若EfficientNetB0的compoundcoefficientφ=1，則深度倍率為________。答案：1.2^φ=1.2。23.在DINO中，teacher模型的EMA更新系數(shù)默認隨訓練進程從________線性升至1。答案：0.996。24.使用ONNXRuntimeGPU推理時，若provider選“CUDAExecutionProvider”，需先調(diào)用________接口綁定顯存。答案：IOBinding。25.在Cityscapes數(shù)據(jù)集上，DeepLabV3+×ception模型輸出stride=16，需將預測上采樣________倍至原圖。答案：16。四、判斷題（每題1分，共10分）26.DeiT引入distillationtoken后，分類頭僅對clstoken做softmax。答案：錯。解析：DeiT對clstoken與distillationtoken分別預測，再融合。27.在YOLOv5中，SPPF模塊相比SPP，在相同感受野下計算量更低。答案：對。解析：SPPF用串行MaxPool，減少重復卷積。28.使用Albumentations時，DualTransform可同時處理圖像與mask，但無法處理bboxes。答案：錯。解析：DualTransform支持mask，BboxTransform支持bboxes。29.在MMRotate中，旋轉(zhuǎn)框的表示方式默認是“xywhθ”，θ∈[?90°,0°)。答案：對。30.當使用PyTorch的DataLoader，num_workers>0時，多進程啟動方式在Windows默認為spawn。答案：對。31.在VisionTransformer中，patchembedding的卷積核大小必須等于patchsize。答案：錯?？捎胹tride=patchsize，核可更大。32.若將ReLU替換為SiLU，模型MACs不變，但激活顯存占用增加。答案：錯。SiLU需保存輸入用于反向，顯存略增，但MACs相同。33.在CenterNet2中，采用DIoU損失替代L1損失，可直接提升AP0.5。答案：錯。DIoU主要提升AP0.75與AR。34.使用TorchScript導出模型時，tracing無法處理控制流，scripting可以。答案：對。35.在MMDeploy中，若后端為ncnn，則必須將模型轉(zhuǎn)換為ONNX中間格式。答案：錯。ncnn可直接轉(zhuǎn)換PyTorch→param/bin。五、簡答題（每題8分，共24分）36.描述DeformableDETR中multiscaledeformableattention的計算流程，并說明其復雜度相對原始DETR的改進。答案：1.對多尺度特征圖{F_l}，每個查詢q采樣K個偏移點，偏移量由線性層預測并歸一化到[0,1]。2.采用雙線性插值獲取采樣點特征，并通過attention權(quán)重加權(quán)求和。3.復雜度從O(HW·N_q)降至O(K·N_q)，K≈4，與特征圖尺寸無關，顯存下降約80%，訓練速度提升5×。37.給出在JetsonOrinNano上部署YOLOv8s的完整優(yōu)化鏈路，含量化、圖優(yōu)化、內(nèi)存池配置，并說明各環(huán)節(jié)收益。答案：1.訓練后量化：使用NVIDIA的PTQwithpercentile=99.99%，INT8精度下降0.3mAP。2.TensorRT8.6：啟用DLAcore0加載FP16backbone，GPU加載INT8head，延遲從42ms降至19ms。3.圖優(yōu)化：fuseconv+bn+relu，生成engine時開啟preview=fp16+int8，減少kernellaunch35%。4.內(nèi)存池：創(chuàng)建IGpuAllocator，預分配1GB固定顯存，避免malloc碎片，端到端吞吐提升22FPS→31FPS。38.解釋為何在自監(jiān)督學習MAE中，maskratio高達75%仍有效，并給出兩種可能的失效場景及對應緩解策略。答案：1.有效性：ViT的冗余性高，patch間相關性大，75%mask仍保留全局結(jié)構(gòu)；decoder僅處理可見patch，計算量小，易優(yōu)化。2.失效場景：a.細粒度分類（CUB200），mask過高丟失關鍵局部。策略：maskratio隨訓練逐步從30%升至75%。b.小目標檢測，mask后目標完全不可見。策略：采用blockwisemask，確保目標至少保留一個完整patch。六、編程題（共41分）39.（13分）閱讀下列YOLOv8s部分配置文件，補全缺失的anchor設置，并寫出計算anchor與gt框匹配過程的Python偽代碼（不含NMS）。配置片段：```yamlanchors:[10,13,16,30,33,23]P3/8[30,61,62,45,59,119]P4/16[___]P5/32```答案：缺失行：[116,90,156,198,373,326]偽代碼：```pythondefassign_anchor(anchors,gts,thr=4.0):anchors:list[Tensor(K,2)],gts:Tensor(N,4)fori,ancinenumerate(anchors):wh_anc=anc.view(1,2)K,2wh_gt=gts[:,2:4].unsqueeze(1)N,1,2ratio=torch.max(wh_gt/wh_anc,wh_anc/wh_gt).max(1)[0]N,Kmatch=ratio<thrN,Kboolidx=torch.nonzero(match,as_tuple=False)[M,2]returnidx返回(N,K)匹配索引```40.（14分）給定一個自定義算子“DeformPSROIAlign”，輸入特征圖[N,C,H,W]、rois[N,5]、offset[N,2,K,H,W]，輸出池化后特征[N,C,K,7,7]。請寫出CUDAkernel的launch配置、線程索引映射，并計算共享內(nèi)存需求。答案：launch配置：```cppdim3block(7,7,8);//7x7spatial,8channelsperblockdim3grid(NK,(C+7)/8);```線程索引：```cppintn=blockIdx.x/K;intk=blockIdx.x%K;intc0=blockIdx.y8;intph=threadIdx.x,pw=threadIdx.y;inttc=threadIdx.z;intc=c0+tc;```共享內(nèi)存：每個線程塊需緩存9×9輸入?yún)^(qū)域（雙線性插值），float大小=9×9×8×4B≈2.6KB，小于48KB上限。41.（14分）基于MMDetection框架，實現(xiàn)一個自定義數(shù)據(jù)增強“RandomPerspectiveRotate”，要求：1.同時處理img、bboxes、masks；2.旋轉(zhuǎn)角度θ~U(?15°,15°)，透視系數(shù)p~U(0.8,1.2)；3.輸出保持原圖尺寸，空白區(qū)域用灰色填充。給出完整類代碼與注冊方式。答案：```pythonfrommmdet.datasets.transformsimportRandomAffineimportcv2importnumpyasnpfrommmcv.transformsimportBaseTransform,TRANSFORMS@TRANSFORMS.register_module()classRandomPerspectiveRotate(BaseTransform):def__init__(self,rotate_range=15,perspect_range=0.2,pad_val=114):self.rotate_range=rotate_rangeself.perspect_range=perspect_rangeself.pad_val=pad_valdeftransform(self,results):h,w=results['img_shape'][:2]angle=np.random.uniform(self.rotate_range,self.rotate_range)p=np.random.uniform(1self.perspect_range,1+self.perspect_range)透視矩陣pts1=np.float32([[0,0],[w,0],[w,h],[0,h]])pts2=pts1p+np.random.uniform(10,10,pts1.shape)M=cv2.getPerspectiveTransform(pts1,pts2)旋轉(zhuǎn)中心center=(w//2,h//2)MR=cv2.getRotationMatrix2D(center,angle,1)MR=np.vstack([MR,[0,0,1]])組合M=M@MRwarpimg=cv2.warpPerspective(results['img'],M,(w,h),borderValue=(self.pad_val,)3)results['img']=imgwarpbboxesif'gt_bboxes'inresults:bboxes=results['gt_bboxes'].tensor.numpy()pts=self.bboxes2corners(bboxes)pts=cv2.perspectiveTransform(pts,M)bboxes=self.corners2bboxes(pts)results['gt_bboxes'].tensor=torch.from_numpy(bboxes)warpmasksif'gt_masks'inresults:masks=result