2025年(工科)人工智能(計(jì)算機(jī)視覺方向)試題及答案一、單項(xiàng)選擇題（每題2分，共20分）1.在YOLOv8中，若將輸入圖像由640×640放大至1280×1280，且保持anchorfree機(jī)制，下列哪一項(xiàng)最可能顯著增加？A.正樣本數(shù)量B.負(fù)樣本數(shù)量C.檢測(cè)頭參數(shù)量D.損失函數(shù)中obj分支權(quán)重答案：A解析：輸入分辨率翻倍后，網(wǎng)格密度翻倍，每個(gè)目標(biāo)可被分配到的正樣本中心點(diǎn)增多，故正樣本數(shù)量顯著上升；YOLOv8仍采用anchorfree，中心點(diǎn)落在目標(biāo)內(nèi)的網(wǎng)格點(diǎn)即為正樣本。2.使用VisionTransformer做目標(biāo)檢測(cè)時(shí)，若將patchsize由16×16改為32×32，且保持圖像尺寸不變，則模型感受野的變化為：A.縮小一半B.保持不變C.擴(kuò)大一倍D.與patchsize無關(guān)答案：B解析：ViT的感受野在理論上始終覆蓋全圖，patchsize只影響token數(shù)量與局部紋理粒度，不改變?nèi)指惺芤啊?.在雙目立體匹配中，采用Census變換代價(jià)聚合后，再使用SGM優(yōu)化，其主要目的是：A.降低光照變化影響B(tài).提高弱紋理區(qū)域精度C.減少遮擋區(qū)域誤匹配D.加速GPU并行答案：B解析：Census對(duì)光照魯棒，SGM通過多路徑聚合平滑視差，特別改善弱紋理區(qū)域一致性。4.若將MaskRCNN的RoIAlign輸出尺寸由7×7改為14×14，而mask分支FCN仍保持28×28上采樣，則maskAP最可能：A.提升>1.5B.提升<0.5C.下降>1.0D.幾乎不變答案：B解析：RoIAlign分辨率提高使空間細(xì)節(jié)更豐富，但mask分支上采樣仍到28×28，增益有限，AP提升通常<0.5。5.在自監(jiān)督對(duì)比學(xué)習(xí)MoCov3中，若將queuesize從65536減至4096，則InfoNCE損失的溫度系數(shù)τ=0.07時(shí)，訓(xùn)練100epoch后ImageNet線性評(píng)估Top1最可能：A.上升0.8%B.下降1.2%C.下降3.5%D.幾乎不變答案：C解析：隊(duì)列縮小導(dǎo)致負(fù)樣本多樣性驟降，對(duì)比學(xué)習(xí)難度降低，表征泛化能力減弱，Top1下降約3~4%。6.將EfficientNetB0的SE模塊替換為ECA模塊，并保持FLOPs不變，則在ImageNet上的Top1準(zhǔn)確率通常：A.提升0.3%B.下降0.1%C.下降0.8%D.提升1.5%答案：A解析：ECA用一維卷積替代SE的全連接，參數(shù)量減少，但通道交互略有損失，整體提升0.2~0.4%。7.使用TensorRT8.6對(duì)YOLOv5s做INT8量化時(shí)，若校準(zhǔn)集僅含100張與訓(xùn)練集分布差異較大的圖像，則mAP50的下降最可能：A.0.2%B.0.7%C.2.1%D.4.5%答案：D解析：校準(zhǔn)集分布漂移導(dǎo)致量化尺度估計(jì)偏差，INT8下mAP50可掉3~5%。8.在3D點(diǎn)云分割中，將KPConv的kernelpoints數(shù)量由15增至30，而保持網(wǎng)格分辨率不變，則顯存占用約：A.增加15%B.增加50%C.翻倍D.增加5%答案：B解析：kernelpoints翻倍使卷積核參數(shù)量翻倍，但顯存占用還包括特征圖與索引結(jié)構(gòu)，綜合約+50%。9.對(duì)于CenterNet，若將hm分支的focallossα從2改為4，則訓(xùn)練過程中負(fù)樣本梯度權(quán)重：A.增大B.減小C.先增后減D.不變答案：B解析：focalloss中α越大，正樣本權(quán)重越高，負(fù)樣本梯度權(quán)重相對(duì)減小。10.在視頻動(dòng)作識(shí)別SlowFast網(wǎng)絡(luò)中，若Fast路徑α=8，幀率30fps，輸入clip64幀，則Slow路徑實(shí)際采樣幀數(shù)為：A.4B.8C.16D.32答案：B解析：Slow路徑時(shí)間采樣率為Fast的1/α，64/8=8幀。二、多項(xiàng)選擇題（每題3分，共15分，多選少選均不得分）11.下列哪些操作可緩解語義分割任務(wù)中的“域漂移”？A.使用FDA風(fēng)格遷移做源域圖像預(yù)處理B.在DeepLabv3+中加入ASPP模塊C.采用AdversarialDropout做域適應(yīng)D.在損失中加入類別重加權(quán)答案：A、C解析：FDA與AdvDrop直接對(duì)齊源域與目標(biāo)域特征分布；ASPP與重加權(quán)不針對(duì)域漂移。12.關(guān)于VisionTransformer的位置編碼，下列說法正確的是：A.1Dsincos編碼無法擴(kuò)展至任意分辨率B.相對(duì)位置編碼在圖像分類中一定優(yōu)于絕對(duì)編碼C.去掉位置編碼后，純ViT在ImageNet下降約3%D.CPVT的條件位置編碼可實(shí)現(xiàn)任意分辨率零樣本遷移答案：A、C、D解析：相對(duì)編碼在檢測(cè)分割任務(wù)更優(yōu)，分類任務(wù)優(yōu)勢(shì)不絕對(duì)。13.在目標(biāo)檢測(cè)中，使用GIoU損失相比L1損失的優(yōu)勢(shì)包括：A.對(duì)框尺度變化更魯棒B.收斂速度更快C.可直接優(yōu)化IoU度量D.對(duì)旋轉(zhuǎn)框仍可直接應(yīng)用答案：A、B、C解析：GIoU需修改為RotatedIoU才能用于旋轉(zhuǎn)框。14.下列哪些方法可用于提升小目標(biāo)檢測(cè)召回率？A.在FPN中增加P2層B.使用復(fù)制粘貼小目標(biāo)數(shù)據(jù)增強(qiáng)C.將NMS閾值從0.5降至0.3D.將anchor面積縮小4倍答案：A、B、D解析：降低NMS閾值會(huì)引入更多冗余框，反而可能降低召回。15.關(guān)于知識(shí)蒸餾，下列說法正確的是：A.使用中間特征蒸餾時(shí)，通常需做spatialalignB.溫度升高會(huì)使softlabel更尖銳C.自蒸餾可在無額外教師網(wǎng)絡(luò)下提升性能D.蒸餾損失與任務(wù)損失加權(quán)比例通常需網(wǎng)格搜索答案：A、C、D解析：溫度升高使softlabel更平滑，非更尖銳。三、填空題（每空2分，共20分）16.在DeiT中，用于蒸餾的token稱為________token，其與classtoken共享________層。答案：distillation，Transformer解析：DeiT引入distillationtoken，與classtoken并行，通過Transformer層交互。17.若使用RANSAC估計(jì)單應(yīng)矩陣，內(nèi)點(diǎn)閾值設(shè)為2pixel，迭代次數(shù)自適應(yīng)公式為N=log(1?p)/log(1?w^n)，其中w=0.5，n=4，置信度p=0.99，則N≈________。答案：72解析：log(1?0.99)/log(1?0.5^4)=log(0.01)/log(0.9375)≈72。18.在PSMNet中，代價(jià)聚合采用________小時(shí)glass模塊，其參數(shù)量約占總網(wǎng)絡(luò)的________%。答案：3D，80解析：PSMNet的3DCNNhourglass占參數(shù)量約80%。19.將MobileNetv2的ReLU6替換為________激活，可在INT8量化后減少________%的CLIPPING誤差。答案：HSwish，40解析：HSwish平滑且邊界無截?cái)?，?shí)驗(yàn)測(cè)得clipping誤差降約40%。20.在FairMOT中，將ReID特征維度從128降至64，MOTA會(huì)下降約________，但FPS提升約________。答案：0.8，15解析：FairMOT論文報(bào)告降維后MOTA掉0.8，GPU提速約15%。四、簡答題（每題8分，共24分）21.描述DeformableDETR中multiscaledeformableattention的計(jì)算流程，并指出其相對(duì)標(biāo)準(zhǔn)Transformer的自注意力在計(jì)算復(fù)雜度上的優(yōu)勢(shì)。答案：流程：1)對(duì)多尺度特征圖{P2,P3,P4,P5}，每個(gè)查詢點(diǎn)q預(yù)測(cè)K個(gè)采樣偏移Δp_k與注意力權(quán)重A_k；2)采用雙線性插值在對(duì)應(yīng)尺度上采樣K個(gè)位置特征；3)加權(quán)求和得輸出特征。復(fù)雜度優(yōu)勢(shì)：標(biāo)準(zhǔn)自注意力為O(HW)^2，而deformableattention僅對(duì)K個(gè)采樣點(diǎn)（K<<HW）計(jì)算，復(fù)雜度降為O(HW·K)，顯存與計(jì)算隨空間尺寸線性增長，可處理高分辨率特征圖。22.說明在3D點(diǎn)云檢測(cè)中，VoxelRCNN為何在voxelization后仍能保持較高的幾何精度，并給出其關(guān)鍵設(shè)計(jì)。答案：關(guān)鍵設(shè)計(jì)：1)采用voxelfeatureencoding（VFE）捕獲點(diǎn)云內(nèi)局部形狀；2)提出voxelRoIpooling，直接在3Dvoxel空間提取proposal特征，避免BEV投影導(dǎo)致的高度信息損失；3)引入voxelkeysampling，僅對(duì)前景voxel做后續(xù)計(jì)算，減少量化誤差累積；4)使用densevoxeltopoint映射，在refinement階段恢復(fù)原始點(diǎn)級(jí)坐標(biāo)，使定位誤差<0.05m。23.對(duì)比SimCLR與BYOL在負(fù)樣本使用上的差異，并解釋BYOL為何不會(huì)出現(xiàn)“模型崩塌”。答案：SimCLR依賴大批量負(fù)樣本，通過InfoNCE推開不同樣本；BYOL完全無需負(fù)樣本，采用online與target雙網(wǎng)絡(luò)，target網(wǎng)絡(luò)用EMA更新，預(yù)測(cè)器p將online特征映射至target空間，損失為MSE。BYOL通過EMA與predictor引入不對(duì)稱性，若online輸出常數(shù)，target亦緩慢趨同，但predictor無梯度捷徑，無法穩(wěn)定收斂到常數(shù)，從而避免崩塌。五、計(jì)算與推導(dǎo)題（共21分）24.（10分）給定一個(gè)單目相機(jī)內(nèi)參矩陣K=[[1000,0,320],[0,1000,240],[0,0,1]]，圖像中檢測(cè)到一個(gè)車輛底面矩形框，像素坐標(biāo)(200,400),(600,400),(600,500),(200,500)，已知車輛實(shí)際寬1.8m、高1.5m，地面平面方程Y=0，相機(jī)高度h=1.6m。求相機(jī)相對(duì)于車輛中心的3D偏移量(X,Z)。答案：1)將像素坐標(biāo)轉(zhuǎn)為歸一化坐標(biāo)：x?=(u?c_x)/f_x，得x1=?0.12，x2=0.28，平均x=0.08；2)實(shí)際半寬0.9m對(duì)應(yīng)像素半寬200px，則比例尺s=0.9/200=0.0045m/px；3)深度Z=f_x·s=1000×0.0045=4.5m；4)中心像素u=400，X=(400?320)/1000·Z=0.08×4.5=0.36m；故相機(jī)位于車輛中心右0.36m，后4.5m，即(0.36,4.5)。25.（11分）在知識(shí)蒸餾中，給定教師logitsz_t=[3,1,?2]，學(xué)生logitsz_s=[2.5,0.8,?1.5]，溫度τ=4，求：a)計(jì)算蒸餾損失L_KD（僅考慮交叉熵部分）；b)若真實(shí)標(biāo)簽y=0，加權(quán)系數(shù)α=0.7，總損失L=αL_CE+(1?α)L_KD，求L。答案：a)軟化概率：p_t=softmax(z_t/τ)=[0.576,0.259,0.165]；p_s=softmax(z_s/τ)=[0.559,0.267,0.174]；L_KD=?Σp_tlogp_s=0.576×(?log0.559)+0.259×(?log0.267)+0.165×(?log0.174)=0.576×0.581+0.259×1.320+0.165×1.749≈0.335+0.342+0.289=0.966。b)L_CE=?logsoftmax(z_s)[0]=?log0.659=0.417；L=0.7×0.417+0.3×0.966≈0.292+0.290=0.582。六、綜合設(shè)計(jì)題（共40分）26.某工業(yè)視覺項(xiàng)目需對(duì)傳送帶上直徑5~15mm的金屬螺母進(jìn)行實(shí)時(shí)6D位姿估計(jì)，要求單幀延遲<30ms，GPU為RTX3060，內(nèi)存6GB。請(qǐng)：1)提出完整算法方案（含檢測(cè)、分割、位姿回歸）；2)給出數(shù)據(jù)增強(qiáng)與標(biāo)簽策略；3)設(shè)計(jì)輕量化網(wǎng)絡(luò)并估算顯存與FLOPs；4)說明如何在不使用深度相機(jī)條件下僅利用單目RGB完成深度估計(jì)。答案：1)方案：a)檢測(cè)：采用YOLOv5nano，輸入640×480，輸出螺母2D框；b)分割：在檢測(cè)框內(nèi)運(yùn)行輕量MaskRCNN（ResNet18FPN），輸出螺母mask；c)位姿：基于稠密對(duì)應(yīng)（DenseFusion思想），在mask內(nèi)均勻采樣256點(diǎn)，用PointNet++提取幾何特征，與RGB特征融合后回歸3D關(guān)鍵點(diǎn)（螺母中心+三點(diǎn)），再用PnP+RANSAC求6D位姿；d)后處理：時(shí)序?yàn)V波（EKF）平滑抖動(dòng)。2)數(shù)據(jù)增強(qiáng)：隨機(jī)背景替換、HSJ噪點(diǎn)、隨機(jī)陰影、螺母間遮擋合成；標(biāo)簽：使用Blender