《2025年計算機等級考試二級人工智能計算機視覺系統(tǒng)試卷及答案》一、單項選擇題（每題2分，共20分）1.在OpenCV中，若要將BGR圖像轉(zhuǎn)換為灰度圖，應(yīng)使用的函數(shù)是A.cv2.cvtColor(img,cv2.COLOR_RGB2GRAY)B.cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)C.cv2.imread(img,0)D.cv2.split(img)[0]答案：B解析：OpenCV默認(rèn)讀取為BGR通道順序，正確轉(zhuǎn)換碼為COLOR_BGR2GRAY；imread的第二個參數(shù)為0時直接以灰度讀取，但題目問的是“轉(zhuǎn)換”而非“讀取”。2.使用YOLOv5進行目標(biāo)檢測時，若輸入圖像尺寸為640×640，網(wǎng)絡(luò)下采樣倍數(shù)為32，則最終特征圖尺寸為A.40×40B.20×20C.10×10D.5×5答案：B解析：640÷32=20，YOLOv5在P5結(jié)構(gòu)下輸出20×20、40×40、80×80三層，但題目問的是“最終”即最小層，故20×20。3.在卷積神經(jīng)網(wǎng)絡(luò)中，若采用“same”填充且步長為2，則輸出特征圖尺寸計算公式為A.?N/2?B.?N/2?+1C.?(N?K+2P)/2?+1D.?(N+2P?K)/2?+1答案：A解析：same填充保證輸入輸出尺寸在步長1時相等；步長2直接下采樣，向上取整即可。4.在ResNet殘差塊中，若主分支使用1×1→3×3→1×1卷積，則shortcut分支必須A.恒等映射B.使用1×1卷積升維C.使用2×2平均池化D.使用3×3卷積降維答案：B解析：當(dāng)殘差塊輸出通道數(shù)大于輸入時，shortcut需通過1×1卷積調(diào)整維度與通道數(shù)，才能相加。5.使用Harris角點檢測時，若矩陣M的特征值λ1≈0、λ2≈0，則該點最可能是A.邊緣B.角點C.平坦區(qū)域D.噪聲答案：C解析：兩特征值均接近0表示梯度變化極小，對應(yīng)平坦區(qū)域；邊緣為一大小小，角點為兩大。6.在TensorRT加速推理時，若某層權(quán)重為INT8量化，其縮放因子scale=0.25，則該層權(quán)重真實值與量化值關(guān)系為A.real=int×0.25B.real=int÷0.25C.real=int+0.25D.real=int?0.25答案：B解析：量化公式quant=round(real/scale)，故反量化real=quant×scale，即int×0.25。7.使用MobileNetV3時，引入的hswish激活函數(shù)表達(dá)式為A.x·σ(x)B.x·ReLU6(x+3)/6C.x·min(max(x+3,0),6)/6D.x·hardtanh(x)答案：B解析：hswish=x·ReLU6(x+3)/6，其中ReLU6(y)=min(max(y,0),6)。8.在雙目立體視覺中，若基線B=120mm，焦距f=6mm，視差d=30pixel，像素尺寸為4μm，則深度Z為A.6mB.8mC.10mD.12m答案：A解析：Z=B·f/d_pixel=0.12×0.006/(30×4×10??)=6m。9.在MaskRCNN中，用于生成二值掩膜的分支損失函數(shù)為A.Softmax交叉熵B.Sigmoid交叉熵C.L2損失D.SmoothL1答案：B解析：掩膜分支對每個像素進行二分類，使用Sigmoid+平均二值交叉熵。10.使用Kmeans對Anchor進行聚類時，若采用IoU作為距離度量，則距離定義為A.1?IoUB.IoUC.?ln(IoU)D.1/IoU答案：A解析：距離=1?IoU，IoU越大距離越小，符合聚類目標(biāo)。二、多項選擇題（每題3分，共15分）11.以下哪些操作可以有效緩解目標(biāo)檢測中正負(fù)樣本極不平衡A.FocalLossB.OHEMC.DataAugmentationD.AnchorFree答案：A、B解析：FocalLoss通過調(diào)制因子降低易分樣本權(quán)重；OHEM在線挖掘困難樣本；DataAugmentation增加多樣性但不直接平衡；AnchorFree為結(jié)構(gòu)變化，非直接平衡策略。12.關(guān)于BatchNormalization，下列說法正確的是A.訓(xùn)練時均值方差來自當(dāng)前batchB.推理時均值方差來自滑動平均C.可充當(dāng)正則化器D.與Dropout同時使用會必然導(dǎo)致性能下降答案：A、B、C解析：A、B為BN標(biāo)準(zhǔn)流程；C因引入噪聲有輕微正則化；D無必然性，合理調(diào)參可共存。13.在Transformer視覺模型中，PositionEncoding作用包括A.保持序列順序信息B.替代卷積歸納偏置C.降低計算復(fù)雜度D.增強全局感受野答案：A、B解析：PE提供位置信息；Transformer無局部歸納偏置需PE彌補；C、D與PE無直接因果。14.使用OpenCV進行相機標(biāo)定時，需提供的輸入包括A.標(biāo)定板角點世界坐標(biāo)B.標(biāo)定板角點圖像坐標(biāo)C.圖像分辨率D.鏡頭畸變模型類型答案：A、B解析：cv2.calibrateCamera需objectPoints與imagePoints；分辨率與畸變模型由函數(shù)內(nèi)部處理，非顯式輸入。15.以下哪些指標(biāo)可直接用于語義分割評價A.PixelAccuracyB.mIoUC.Dice系數(shù)D.AP@0.5答案：A、B、C解析：AP@0.5為實例級檢測指標(biāo)，不直接用于語義分割。三、判斷題（每題1分，共10分）16.SIFT特征描述子對光照變化具有完全仿射不變性。答案：錯解析：SIFT僅近似仿射不變，極端仿射下性能下降。17.在YOLOv8中，C2f模塊通過拆分特征圖并引入殘差連接以降低參數(shù)量。答案：對解析：C2f將輸入拆分為兩部分，一部分直連，一部分經(jīng)過Bottleneck，再concat，實現(xiàn)輕量化。18.使用ReLU激活的CNN一定比使用Sigmoid的CNN訓(xùn)練速度快。答案：錯解析：速度取決于硬件、框架優(yōu)化及網(wǎng)絡(luò)結(jié)構(gòu)，不能絕對化。19.在圖像風(fēng)格遷移中，Gram矩陣用于捕捉特征圖通道間二階統(tǒng)計信息。答案：對解析：Gram矩陣計算通道間內(nèi)積，反映紋理統(tǒng)計。20.對同一模型，TensorRT的INT8量化后mAP必然下降超過5%。答案：錯解析：通過校準(zhǔn)與QAT，部分模型下降可控制在1%以內(nèi)。21.使用數(shù)據(jù)增強時，MixUp操作會對兩張圖像做像素級線性插值并相應(yīng)調(diào)整標(biāo)簽。答案：對解析：MixUp公式為x?=λx?+(1?λ)x?，標(biāo)簽同理。22.在OpenCV中，cv2.findContours返回的輪廓點坐標(biāo)為浮點亞像素精度。答案：錯解析：返回整數(shù)像素坐標(biāo)，亞像素需cornerSubPix。23.VisionTransformer的Encoder層數(shù)越多，則模型容量一定越大。答案：對解析：層數(shù)增加參數(shù)量與容量均增大。24.使用單目相機無法恢復(fù)絕對尺度信息。答案：對解析：單目缺乏基線，需外部先驗或IMU。25.在實例分割任務(wù)中，MaskRCNN的RoIAlign比RoIPooling減少了量化誤差。答案：對解析：RoIAlign采用雙線性插值避免兩次量化。四、填空題（每空2分，共20分）26.在卷積層中，若輸入通道為3，輸出通道為64，卷積核尺寸為7×7，則該層參數(shù)量為________（不含偏置）。答案：3×7×7×64=9408解析：參數(shù)量=C_in×K×K×C_out。27.使用Adam優(yōu)化器時，默認(rèn)推薦的學(xué)習(xí)率為________。答案：0.001解析：PyTorch/TensorFlow官方默認(rèn)值。28.在圖像超分任務(wù)中，評價指標(biāo)PSNR計算公式為________（用MAX表示最大像素值，MSE表示均方誤差）。答案：10·log??(MAX2/MSE)解析：標(biāo)準(zhǔn)定義。29.若使用FocalLoss，當(dāng)γ=2、pt=0.8時，調(diào)制因子為________。答案：(1?0.8)2=0.04解析：調(diào)制因子=(1?pt)^γ。30.在OpenCV中，調(diào)用________函數(shù)可實現(xiàn)圖像的仿射變換。答案：cv2.warpAffine解析：仿射變換接口。31.當(dāng)使用BatchSize=32、初始學(xué)習(xí)率=0.1的SGD訓(xùn)練時，若將BatchSize擴大到128，為保持更新強度一致，學(xué)習(xí)率應(yīng)調(diào)整為________。答案：0.4解析：線性縮放原則，0.1×(128/32)=0.4。32.在Transformer中，MultiHeadAttention若隱藏維度為512，頭數(shù)為8，則每個頭的維度為________。答案：64解析：512÷8=64。33.使用Canny邊緣檢測時，雙閾值設(shè)為100與200，若某像素梯度幅值為150，則該像素________被標(biāo)記為強邊緣。答案：不會解析：僅大于高閾值200才為強邊緣，150介于雙閾值之間，僅當(dāng)連通強邊緣時才被保留。34.在PyTorch中，若模型已加載到GPU，需將輸入圖像tensor轉(zhuǎn)移到GPU的函數(shù)為________。答案：.to('cuda')或.cuda()解析：標(biāo)準(zhǔn)API。35.當(dāng)使用DiceLoss時，其表達(dá)式可寫為________（用p、t分別表示預(yù)測與真值，ε為平滑項）。答案：1?(2∑pt+ε)/(∑p+∑t+ε)解析：常見形式。五、簡答題（每題8分，共24分）36.描述非極大值抑制（NMS）在目標(biāo)檢測中的執(zhí)行流程，并說明SoftNMS的改進點。答案：流程：1)按置信度降序排列所有框；2)選最高置信度框，加入結(jié)果集；3)計算其與剩余框IoU，若IoU>閾值則刪除；4)重復(fù)2)3)直至無框。SoftNMS改進：不直接刪除高IoU框，而是降低其置信度，公式為s_i=s_i·e^(?IoU2/σ)，保留更多真實陽性，提高召回，尤其適用于密集場景。解析：傳統(tǒng)NMS硬刪除導(dǎo)致重疊目標(biāo)漏檢，SoftNMS通過高斯加權(quán)實現(xiàn)軟抑制，無需額外訓(xùn)練，在COCO上可提升12mAP。37.解釋VisionTransformer中ClassToken的作用，并說明為何在視覺任務(wù)中仍需位置編碼。答案：ClassToken：借鑒NLP的[CLS]符號，為全局特征提供統(tǒng)一聚合點，經(jīng)Encoder后其輸出作為整圖表示，用于分類。位置編碼：Transformer本身置換不變，圖像塊序列化后失去空間鄰域關(guān)系，需加入可學(xué)習(xí)或可正弦的位置向量，使模型感知塊間相對位置，保持局部與全局空間結(jié)構(gòu)。解析：無ClassToken時，需對patch特征做平均或最大池化，性能略低；無位置編碼則模型無法區(qū)分“左上”與“右下”塊，導(dǎo)致分類失敗。38.列舉三種常見的數(shù)據(jù)增強方法，并分別說明其對計算機視覺模型的具體益處。答案：1)RandomCrop：隨機裁剪，迫使模型關(guān)注目標(biāo)局部特征，提高魯棒性，減少過擬合；2)ColorJitter：隨機調(diào)整亮度、對比度、飽和度，增強光照不變性，適應(yīng)真實場景光照變化；3)CutMix：將一張圖部分區(qū)域替換為另一圖，標(biāo)簽按像素比例混合，提高定位精度，增加局部多樣性，提升分類與檢測性能。解析：三種方法分別從空間、顏色、標(biāo)簽正則化角度擴充數(shù)據(jù)分布，實驗表明聯(lián)合使用可在ImageNet上提升1.52%top1精度。六、計算與推導(dǎo)題（共31分）39.（10分）給定3×3輸入特征圖[[1,2,3],[4,5,6],[7,8,9]]采用2×2最大池化，步長為2，計算輸出特征圖，并寫出反向傳播時梯度分布（假設(shè)輸出梯度全為1）。答案：前向：區(qū)域1：max(1,2,4,5)=5區(qū)域2：max(3,6)=6區(qū)域3：max(7,8)=8區(qū)域4：max(9)=9輸出：[[5,6],[8,9]]反向：僅最大值位置接收梯度，其余為0，故輸入梯度：[[0,0,0],[0,1,1],[0,1,1]]解析：MaxPool梯度路由原則，只傳最大路徑。40.（10分）假設(shè)使用交叉熵?fù)p失進行語義分割，單張圖像共4×4=16像素，真值類別為[0,1,2,3]分別對應(yīng)4×4區(qū)域。模型輸出經(jīng)Softmax后，對類別1的預(yù)測概率矩陣為[[0.2,0.7,0.3,0.4],[0.6,0.9,0.8,0.1],[0.3,0.2,0.5,0.6],[0.4,0.3,0.2,0.1]]真值掩膜中類別1區(qū)域為第2行全部像素。計算該圖像對類別1的交叉熵?fù)p失（取ln）。答案：類別1真值像素：4個，位置(1,0),(1,1),(1,2),(1,3)對應(yīng)預(yù)測概率：0.6,0.9,0.8,0.1交叉熵L=?1/4·Σln(p)=?1/4·(ln0.6+ln0.9+ln0.8+ln0.1)=?1/4·(?0.5108?0.1054?0.2231?2.3026)=1/4·3.1419≈0.785解析：僅對真值類別計算，平均后取負(fù)對數(shù)。41.（11分）在雙目視覺中，已知左相機內(nèi)參矩陣K_L=[[1000,0,320],[0,1000,240],[0,0,1]]，右相機相對左相機旋轉(zhuǎn)矩陣R=I，平移向量t=[0.12,0,0]^T（單位：米）?？臻g點P在左相機成像坐標(biāo)為(400,300)，在右相機為(370,300)。求點P深度Z及三維坐標(biāo)。答案：視差d=u_L?u_R=400?370=30pixel焦距f=1000pixel，基線B=0.12m深度Z=B·f/d=0.12×1000/30=4m三維坐標(biāo)：X=(u_L?c_x)·Z/f=(400?320)·4/1000=0.32mY=(v_L?c_y)·Z/f=(300?240)·4/1000=0.24mZ=4m故P=[0.32,0.24,4]m解析：利用三角測量公式，注意單位統(tǒng)一。七、編程實操題（共30分）42.基于PyTorch實現(xiàn)一個輕量級邊緣檢測網(wǎng)絡(luò)（需包含代碼、訓(xùn)練腳本、測試指標(biāo)），要求：1)網(wǎng)絡(luò)采用3層深度可分離卷積+1層1×1輸出，通道數(shù)依次為8,16,32；2)使用BSDS500數(shù)據(jù)集，輸入尺寸320×320；3)損失函數(shù)為BCEWithLogitsLoss；4)訓(xùn)練5個epoch，batch=8，初始lr=1e3，Cosine退火；5)輸出測試集ODSFscore并打印。答案：```pythonimporttorch,torch.nnasnn,torch.optimasoptimfromtorchvisionimporttransformsfromtorch.utils.dataimportDataLoaderfromdatasetsimportBSDS500假設(shè)已提供importnumpyasnp,cv2classDepthSepConv(nn.Module):def__init__(self,c_in,c_out,k=3,stride=1,pad=1):super().__init__()self.depth=nn.Conv2d(c_in,c_in,k,stride,pad,groups=c_in,bias=False)self.point=nn.Conv2d(c_in,c_out,1,1,0,bias=False)self.bn1=nn.BatchNorm2d(c_in)self.bn2=nn.BatchNorm2d(c_out)self.relu=nn.ReLU(inplace=True)defforward(self,x):x=self.relu(self.bn1(self.depth(x)))returnself.relu(self.bn2(self.point(x)))classEdgeNet(nn.Module):def__init__(self):super().__init__()self.conv1=DepthSepConv(3,8)self.conv2=DepthSepConv(8,16)self.conv3=DepthSepConv(16,32)self.out=nn.Conv2d(32,1,1)defforward(self,x):x=self.conv3(self.conv2(self.conv1(x)))returnself.out(x)deftrain():device='cuda'iftorch.cuda.is_available()else'cpu'net=EdgeNet().to(device)ds=BSDS500(split='train',transform=transforms.Compose([transforms.Resize((320,320)),transforms.ToTensor()]),target_transform=transforms.Compose([transforms.Resize((320,320)),transforms.ToTensor()]))dl=DataLoader(ds,batch_size=8,shuffle=True,num_workers=4)opt=optim.Adam(net.parameters(),lr=1e3)sched=optim.lr_scheduler.CosineAnnealingLR(opt,T_max=5len(dl))loss_fn=nn.BCEWithLogitsLoss()forepochinrange(5):net.train()forim,gtindl:im,gt=im.to(device),gt.to(device)opt.zero_grad()pred=net(im)loss=loss_fn(pred,gt)loss.backward()opt.step();sched.step()print(f'epoch{epoch}loss{loss.item():.4f}')torch.save(net.state_dict(),'edge.pth')deftest():device='cuda'iftorch.cuda.is_available()else