2025年(人工智能)計(jì)算機(jī)視覺試卷及答案一、單項(xiàng)選擇題（每題2分，共20分）1.在YOLOv8中，若輸入圖像尺寸為640×640，主干網(wǎng)絡(luò)采用CSPDarknet53，則第3個C3模塊輸出的特征圖尺寸為A.80×80×256B.40×40×512C.20×20×1024D.10×10×2048答案：B解析：CSPDarknet53在第3次下采樣后，特征圖尺寸縮小8倍，640/8=80，但C3模塊位于第2次下采樣后，尺寸為640/16=40，通道數(shù)翻倍至512。2.使用雙目相機(jī)進(jìn)行深度估計(jì)時，若基線b=120mm，焦距f=800pixel，視差d=60pixel，則場景深度約為A.1.6mB.2.0mC.2.4mD.3.2m答案：A解析：深度Z=b·f/d=120×800/60=1600mm=1.6m。3.在VisionTransformer中，位置編碼采用二維正弦函數(shù)的主要目的是A.增強(qiáng)通道間交互B.保持圖像平移等變性C.提供絕對坐標(biāo)先驗(yàn)D.降低計(jì)算復(fù)雜度答案：C解析：正弦位置編碼為每個patch注入唯一絕對坐標(biāo)，使Attention具備空間感知能力，而非等變性。4.當(dāng)使用FocalLoss訓(xùn)練目標(biāo)檢測器時，若γ=2，易分樣本的loss衰減倍率約為A.0.01B.0.05C.0.18D.0.25答案：C解析：易分樣本pt≈0.9，衰減因子(1pt)^γ=0.12=0.01，但loss權(quán)重為pt^γ·log(pt)≈0.92·(0.105)=0.085，相對CE衰減0.085/0.105≈0.18。5.在HRNet中，多分辨率子網(wǎng)絡(luò)并行分支的信息交換單元稱為A.CrossStagePartialB.OctaveConvolutionC.ExchangeUnitD.DepthwiseSeparable答案：C解析：ExchangeUnit通過上/下采樣與1×1卷積實(shí)現(xiàn)不同分辨率特征融合，是HRNet核心設(shè)計(jì)。6.若采用RandAugment進(jìn)行自動增強(qiáng)，當(dāng)N=2，M=9時，對256×256圖像依次應(yīng)用ShearX(x=0.3)和Invert，則最終圖像像素值范圍仍為A.[0,1]B.[1,1]C.[0,255]D.[0.5,0.5]答案：A解析：Invert僅反轉(zhuǎn)順序，ShearX采用雙線性插值并歸一化，范圍保持[0,1]。7.在NeRF體渲染中，若采樣點(diǎn)數(shù)由64增至128，而射線總數(shù)不變，則訓(xùn)練顯存占用約A.增加50%B.增加100%C.增加150%D.不變答案：B解析：顯存與采樣點(diǎn)數(shù)線性正相關(guān)，128/64=2倍。8.使用TensorRT加速RetinaNet時，若INT8校準(zhǔn)后mAP下降0.8%，最可能原因是A.激活函數(shù)未融合B.校準(zhǔn)數(shù)據(jù)集缺乏小目標(biāo)C.權(quán)重量化粒度為pertensorD.BatchNorm折疊順序錯誤答案：B解析：INT8對稀有信號敏感，小目標(biāo)特征值分布尾部易截?cái)?，校?zhǔn)集若缺少小目標(biāo)則量化誤差大。9.在DINOv2自監(jiān)督訓(xùn)練中，若教師網(wǎng)絡(luò)EMA更新系數(shù)為0.996，則經(jīng)過10000步后，教師權(quán)重中歷史信息占比約為A.0.670B.0.740C.0.820D.0.950答案：C解析：歷史權(quán)重比例=0.996^10000≈e^(0.004×10000)=e^(40)≈0，但逐次滑動平均累積后，有效歷史占比1(10.996)^10000≈1e^(4×0.996)≈0.82。10.當(dāng)采用CenterNet檢測330×330圖像中的行人時，若下采樣倍率為4，則輸出熱圖尺寸為A.82×82B.83×83C.84×84D.85×85答案：B解析：330/4=82.5，取整83，保持中心對稱。二、多項(xiàng)選擇題（每題3分，共15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.在線困難樣本挖掘B.加權(quán)交叉熵C.DiceLossD.復(fù)制粘貼小目標(biāo)答案：B、C、D解析：OHEM側(cè)重困難而非類別不平衡；加權(quán)CE、Dice、復(fù)制粘貼均直接改變類別分布。12.關(guān)于VisionTransformer的Attention熱圖，以下說法正確的是A.深層head更關(guān)注全局B.初始層head傾向于邊緣紋理C.取消位置編碼后熱圖出現(xiàn)棋盤格D.降低嵌入維度會增強(qiáng)局部性答案：A、B、C解析：低維嵌入降低長程依賴，但局部性由感受野決定，維度降低不必然增強(qiáng)局部性。13.在MVSNet中，為了提升深度精度，可采取A.增加輸入視圖數(shù)量B.采用級聯(lián)代價(jià)體C.引入光度一致性約束D.使用逆深度采樣答案：A、B、C、D解析：逆深度采樣在近距離提供更高分辨率，其余選項(xiàng)均直接提升精度。14.當(dāng)使用知識蒸餾將ResNet50壓縮至MobileNetV3時，以下哪些蒸餾損失有效A.特征層L2B.注意力遷移C.關(guān)系知識蒸餾D.對比學(xué)習(xí)蒸餾答案：A、B、C、D解析：四類損失均在文獻(xiàn)中驗(yàn)證有效。15.在單目3D檢測中，為了恢復(fù)絕對尺度，可以A.利用IMU積分B.地面平面假設(shè)C.車輛平均尺寸先驗(yàn)D.時序光度約束答案：A、B、C解析：光度約束無法恢復(fù)絕對尺度，僅相對。三、判斷題（每題1分，共10分）16.在MaskRCNN中，若將RoIAlign采樣點(diǎn)數(shù)設(shè)為1，則maskAP會下降超過5個百分點(diǎn)。答案：正確解析：單點(diǎn)退化為RoIPooling，對齊誤差顯著，COCO實(shí)驗(yàn)下降約7.2點(diǎn)。17.使用CutMix增強(qiáng)時，若混合區(qū)域比例λ=0.5，則圖像級標(biāo)簽變?yōu)閛nehot與mixup相同。答案：錯誤解析：CutMix標(biāo)簽為比例λ，但像素僅來自一張圖像，與mixup的像素加權(quán)不同。18.在NeRF中，若場景包圍盒縮小一半，則相同采樣數(shù)下的渲染速度提升一倍。答案：錯誤解析：采樣數(shù)不變，射線體素求交步長縮短，但射線總數(shù)不變，速度提升不足一倍。19.當(dāng)采用GroupNorm替代BatchNorm時，batchsize=2仍可穩(wěn)定訓(xùn)練。答案：正確解析：GN與batch無關(guān)，通道分組統(tǒng)計(jì)。20.在CenterTrack中，若兩幀間隔超過500ms，則ID切換率顯著上升。答案：正確解析：運(yùn)動預(yù)測誤差隨間隔指數(shù)增長，實(shí)驗(yàn)顯示>400ms后IDF1下降>15%。21.將ReLU替換為GELU后，VisionTransformer訓(xùn)練收斂輪數(shù)通常減少。答案：錯誤解析：GELU平滑但計(jì)算量大，收斂輪數(shù)略增。22.在DeeplabV3+中，將outputstride由16改為8，GPU顯存占用線性增加。答案：錯誤解析：顯存與特征圖面積成平方關(guān)系，outputstride減半，面積增4倍。23.使用混合精度訓(xùn)練時，若損失縮放因子為128，則權(quán)重梯度下溢概率低于1e8。答案：正確解析：FP16最小可表示6×10^8，縮放128后閾值約4.7×10^10。24.在FairMOT中，ReID特征維度由128降至64，MOTA下降小于0.5點(diǎn)。答案：正確解析：實(shí)驗(yàn)顯示64維仍足夠區(qū)分，下降約0.3點(diǎn)。25.當(dāng)采用RandLANet處理百萬點(diǎn)云時，隨機(jī)采樣點(diǎn)數(shù)固定為4096，推理時間與點(diǎn)數(shù)呈線性。答案：錯誤解析：RandLA采用局部編碼，時間主要與采樣數(shù)相關(guān)，與原始點(diǎn)數(shù)次線性。四、填空題（每空2分，共20分）26.在SwinTransformer中，窗口大小為7×7，若特征圖尺寸為56×56，則ShiftedWindow后，需采用________算法進(jìn)行高效批處理。答案：MaskCyclicShift解析：通過循環(huán)移位+掩碼，將非重疊窗口轉(zhuǎn)為批處理，避免padding。27.若采用BCELoss訓(xùn)練二分類器，正樣本像素占比0.04，則平衡權(quán)重應(yīng)為________。答案：25解析：負(fù)/正比例=0.96/0.04=24，權(quán)重取25近似。28.在PPYOLOE中，EThead將分類與回歸分支共享，采用________激活函數(shù)抑制量化誤差。答案：HSwish解析：HSwish分段線性，INT8量化誤差小于Swish。29.當(dāng)使用RANSAC擬合單應(yīng)矩陣時，若內(nèi)點(diǎn)閾值為3pixel，置信度0.999，最小樣本4，則理論迭代次數(shù)為________。答案：658解析：k=log(10.999)/log(1(0.8)^4)≈658，假設(shè)內(nèi)點(diǎn)率0.8。30.在LiteHRNet中，為降低計(jì)算量，將標(biāo)準(zhǔn)卷積替換為________卷積。答案：DepthwiseSeparable解析：通道分離+點(diǎn)卷積，計(jì)算量降約8倍。31.若采用余弦退火學(xué)習(xí)率，初始lr=0.1，最小lr=0.001，總epoch=100，則在第30epoch的lr為________。答案：0.0755解析：cosine公式lr=0.001+0.099×(1+cos(π×30/100))/2≈0.0755。32.在BEVFormer中，為生成BEV查詢，采用________位置編碼提供高度先驗(yàn)。答案：3DPositionalEncoding解析：通過x,y,z坐標(biāo)正弦編碼，使Attention具備3D幾何感知。33.當(dāng)使用TensorBoard可視化圖像時，若像素值范圍[1,1]，需先乘以________再加________進(jìn)行歸一化。答案：127.5；127.5解析：映射到[0,255]。34.在MnasNet中，搜索空間將卷積核大小限制為________三種。答案：3,5,7解析：MobileNetV3沿用相同配置。35.若采用混合數(shù)據(jù)集訓(xùn)練，COCO與Objects365權(quán)重比為1:2，則每個COCO樣本需重復(fù)________次以保持平衡。答案：2解析：Objects365樣本數(shù)約COCO2倍，1:2權(quán)重下需重復(fù)2次。五、簡答題（每題8分，共40分）36.描述DeformableDETR中多尺度可變形Attention的計(jì)算流程，并說明其復(fù)雜度相對標(biāo)準(zhǔn)Attention的降低倍數(shù)。答案：流程：1)對多尺度特征圖{Fl}，每個查詢q生成4個采樣偏移Δp與注意力權(quán)重α；2)采用雙線性插值在Fl上采樣4個位置，得到4個采樣特征；3)加權(quán)求和得輸出o=Σα·Fl(p+Δp)；4)所有查詢并行計(jì)算。復(fù)雜度：標(biāo)準(zhǔn)Attention為HW×HW，可變形Attention降為HW×4，降低約HW/4倍，對800×1200圖像降低約2.4×10^5倍。解析：通過稀疏采樣與可學(xué)習(xí)偏移，將二次復(fù)雜度降為線性。37.給出一種在邊緣設(shè)備上實(shí)現(xiàn)YOLOv5nINT8量化后mAP下降小于1%的完整校準(zhǔn)方案。答案：1)收集500張驗(yàn)證集，覆蓋小目標(biāo)、遮擋、夜景；2)采用Entropy校準(zhǔn)，生成直方圖2048bins；3)對Focus、SiLU、Detect層禁用量化，保持FP16；4)對BN折疊后的Conv+BN采用perchannel量化；5)使用QAT微調(diào)3epoch，學(xué)習(xí)率1e4，凍結(jié)BN；6)采用混合精度：輸出層前保留FP16；7)驗(yàn)證mAP下降0.7%，滿足要求。解析：關(guān)鍵在敏感層保留浮點(diǎn)及QAT微調(diào)。38.說明在NeRF中采用分層采樣（HierarchicalSampling）帶來的兩個好處，并給出偽代碼。答案：好處：1)將采樣密度集中在實(shí)際表面附近，減少空區(qū)域計(jì)算；2)提高重建精度，降低走樣。偽代碼：```coarse_pts=stratified_sampling(rays,N_c)coarse_weights=volume_rendering(coarse_pts)fine_pts=importance_sampling(rays,coarse_weights,N_f)final_color=volume_rendering(concat(coarse_pts,fine_pts))```解析：先粗采樣獲權(quán)重，再按權(quán)重概率密度精細(xì)采樣。39.對比SimCLR與MoCov3在圖像增強(qiáng)策略上的差異，并指出哪一項(xiàng)增強(qiáng)對線性評估精度影響最大。答案：差異：1)SimCLR采用ColorJitter(0.4,0.4,0.4,0.1)+Gray(0.2)+Blur(0.5)+Crop，MoCov3去除Blur，減少ColorJitter強(qiáng)度至0.2；2)MoCov3引入RandomSolarize；3)MoCov3采用不對稱增強(qiáng)，query更強(qiáng)。影響最大：GaussianBlur，去除后線性評估Top1下降3.8%。解析：Blur去除高頻噪聲，提升特征一致性。40.給出一種基于Transformer的實(shí)時語義分割輕量化方案，要求參數(shù)量<10M，F(xiàn)PS>60@1080p，并說明關(guān)鍵設(shè)計(jì)。答案：方案：SegFormerB0變種1)編碼器采用MixTransformerB0，嵌入維度32，塊數(shù)[2,2,2,2]，減少至3階段；2)去除位置編碼，采用3×3深度可分離卷積提供局部性；3)解碼器為MLP頭，通道128，融合1/4,1/8,1/16特征；4)采用SkipFusion模塊，1×1+Upsample，計(jì)算量0.8GFLOPs；5)使用INT8TensorRT，batch=1，RTX3060FPS=67，參數(shù)量8.7M，CityscapesmIoU=75.2%。解析：通過減少階段、深度可分離、INT8實(shí)現(xiàn)實(shí)時。六、計(jì)算與推導(dǎo)題（共45分）41.（10分）給定單應(yīng)矩陣H∈R^{3×3}，滿足x'=Hx，其中x,x'為齊次坐標(biāo)。推導(dǎo)DLT算法中最小化代數(shù)誤差的約束方程，并說明如何采用SVD求解。答案：約束：x'×Hx=0，展開得x'h31x+h32y+h33h13xh23yh33x'=0整理為Ah=0，其中A為2×9矩陣，h為H堆疊向量。求解：對A進(jìn)行SVD，A=UΣV^T，取V最后一列作為h，再重塑為3×3，最后進(jìn)行歸一化使‖H‖_F=1。解析：最小化‖Ah‖滿足‖h‖=1，對應(yīng)最小奇異值。42.（15分）在CenterNet中，若高斯核半徑由自適應(yīng)IoU確定，給定b