2025年(人工智能工程師)計(jì)算機(jī)視覺(jué)基礎(chǔ)試題及答案一、單項(xiàng)選擇題（每題2分，共20分）1.在YOLOv5中，下列哪一項(xiàng)不是其Head部分新增的結(jié)構(gòu)？A.SPPFB.PANetC.Detect層中的anchorfree分支D.GhostConv答案：D解析：GhostConv是輕量化網(wǎng)絡(luò)GhostNet提出的模塊，YOLOv5官方主干仍使用C3與標(biāo)準(zhǔn)Conv，并未引入GhostConv。2.使用OpenCV的cv2.resize進(jìn)行雙線性插值時(shí)，默認(rèn)的插值標(biāo)志是：A.INTER_NEARESTB.INTER_LINEARC.INTER_CUBICD.INTER_LANCZOS4答案：B解析：OpenCV文檔寫(xiě)明，當(dāng)interpolation參數(shù)缺省時(shí)，resize函數(shù)自動(dòng)取INTER_LINEAR。3.在卷積神經(jīng)網(wǎng)絡(luò)中，若輸入特征圖為256×256×64，采用64個(gè)3×3卷積核、stride=1、padding=1，輸出特征圖尺寸為：A.256×256×64B.254×254×64C.258×258×64D.128×128×64答案：A解析：padding=1保證“same”卷積，高寬不變；通道數(shù)等于卷積核數(shù)量64。4.BatchNorm在訓(xùn)練階段統(tǒng)計(jì)running_mean時(shí)，動(dòng)量momentum典型取值為0.1，其含義是：A.新batch均值占90%，歷史占10%B.新batch均值占10%，歷史占90%C.直接替換歷史均值D.與lr成反比答案：B解析：running_mean=(1momentum)history+momentumnew_batch，故0.1表示新數(shù)據(jù)權(quán)重僅10%。5.在雙目立體匹配中，常用“贏家通吃”WTA策略計(jì)算視差，其本質(zhì)是：A.對(duì)代價(jià)體積做softmaxB.對(duì)每個(gè)像素選最小代價(jià)值對(duì)應(yīng)的dC.用SGM做全局優(yōu)化D.用深度學(xué)習(xí)回歸連續(xù)視差答案：B解析：WTA（WinnerTakesAll）即逐像素argmin，選擇代價(jià)最小的離散視差。6.使用FocalLoss時(shí)，若γ=0，則損失退化為：A.標(biāo)準(zhǔn)交叉熵B.DiceLossC.帶權(quán)交叉熵D.KL散度答案：A解析：γ=0時(shí)調(diào)制因子(1p)^γ=1，僅剩?α_tlog(p_t)，即平衡交叉熵；若α_t再為1，則完全等價(jià)于標(biāo)準(zhǔn)CE。7.在Transformer的Encoder中，MultiHeadAttention后接的子層是：A.另一個(gè)MultiHeadAttentionB.Add&Norm→FeedForwardC.FeedForward→LayerNormD.MaskedMultiHeadAttention答案：B解析：Encoder子層順序：MultiHeadAttention→殘差+LayerNorm→FeedForward→殘差+LayerNorm。8.使用MobileNetV3Small在ImageNet上訓(xùn)練時(shí)，官方輸入分辨率是：A.192×192B.224×224C.256×256D.299×299答案：B解析：GoogleAutoML論文與開(kāi)源代碼均默認(rèn)224×224。9.在mAP@0.5評(píng)價(jià)指標(biāo)中，0.5指：A.分類閾值0.5B.IoU閾值0.5C.置信度閾值0.5D.NMS閾值0.5答案：B解析：mAP@0.5表示計(jì)算AP時(shí)，正樣本判定要求檢測(cè)框與GT的IoU≥0.5。10.使用TensorRT對(duì)FP32模型做INT8量化時(shí)，必須提供的組件是：A.校準(zhǔn)數(shù)據(jù)集B.QAT權(quán)重C.ONNXIRv4D.TensorFlowSavedModel答案：A解析：PTQ（PostTrainingQuantization）需校準(zhǔn)集統(tǒng)計(jì)激活動(dòng)態(tài)范圍；QAT雖可替代，但非“必須”。二、多項(xiàng)選擇題（每題3分，共15分；多選少選均不得分）11.下列哪些操作可有效緩解目標(biāo)檢測(cè)中正負(fù)樣本極度不均衡？A.FocalLossB.OHEMC.DataAugmentation（Mosaic）D.SoftNMS答案：A、B解析：FocalLoss與OHEM直接重采樣或重加權(quán)；Mosaic增強(qiáng)雖提升魯棒性，但不直接解決失衡；SoftNMS降低高置信度誤殺，亦無(wú)關(guān)失衡。12.關(guān)于VisionTransformer（ViT）說(shuō)法正確的是：A.patchsize越小，計(jì)算量呈平方增長(zhǎng)B.位置編碼可學(xué)習(xí)也可手工C.分類token在最后一層直接接MLPHeadD.必須使用LayerNorm前置（PreNorm）答案：A、B、C解析：ViT官方采用PreNorm，但研究也驗(yàn)證PostNorm可行，故D非必須。13.在圖像分割任務(wù)中，DiceLoss相比交叉熵優(yōu)點(diǎn)包括：A.對(duì)前景像素?cái)?shù)量不敏感B.可直接優(yōu)化評(píng)價(jià)指標(biāo)C.天然抑制背景梯度D.與FocalLoss互斥答案：A、B、C解析：DiceLoss與FocalLoss可加權(quán)組合，非互斥。14.使用PyTorch導(dǎo)出ONNX時(shí)，下列哪些算子可能在TorchScript跟蹤階段失??？A.條件分支iftensor.shape[0]>0B.動(dòng)態(tài)for循環(huán)依賴tensor值C.nn.Conv2dD.torch.nonzero后接view答案：A、B、D解析：Conv2d為靜態(tài)算子，無(wú)動(dòng)態(tài)控制流，導(dǎo)出穩(wěn)定；其余三項(xiàng)含動(dòng)態(tài)行為，需script模式或改寫(xiě)。15.在邊緣設(shè)備部署時(shí)，INT8量化可能帶來(lái)的副作用有：A.精度下降B.推理延遲反而升高C.層融合受限D(zhuǎn).模型體積增大答案：A、B、C解析：INT8體積減半；若GPU未支持INT8TensorCore，延遲可能升高；某些算子（如sigmoid）融合受限。三、填空題（每空2分，共20分）16.在經(jīng)典Harris角點(diǎn)檢測(cè)中，自相關(guān)矩陣M的特征值λ1、λ2均較大時(shí)，對(duì)應(yīng)像素點(diǎn)被稱為_(kāi)_______。答案：角點(diǎn)解析：Harris根據(jù)λ1、λ2大小區(qū)分邊緣、角點(diǎn)、平坦區(qū)。17.若使用4×4的輸入特征圖，經(jīng)過(guò)2×2最大池化、stride=2、padding=0，輸出尺寸為_(kāi)_______。答案：2×2解析：(4?2)/2+1=2。18.在BatchNorm參數(shù)中，可學(xué)習(xí)參數(shù)γ與β的維度與________維度相同。答案：通道（C）解析：BN沿(N,H,W)求均值，每個(gè)通道獨(dú)立仿射。19.在FasterRCNN中，RPN生成的anchor經(jīng)前景閾值0.7與背景閾值0.3篩選后，再采樣共________個(gè)anchor用于訓(xùn)練。答案：256解析：論文設(shè)定前景128、背景128，共256。20.使用雙線性插值旋轉(zhuǎn)圖像時(shí)，OpenCV默認(rèn)邊界填充模式為_(kāi)_______。答案：BORDER_CONSTANT（黑邊）解析：未指定borderMode時(shí)，cv2.warpAffine取BORDER_CONSTANT，填充0。21.在語(yǔ)義分割評(píng)價(jià)中，mIoU計(jì)算公式為_(kāi)_______。答案：\(\frac{1}{C}\sum_{i=1}^{C}\frac{TP_i}{TP_i+FP_i+FN_i}\)解析：C為類別數(shù)，含背景常單獨(dú)計(jì)算。22.若學(xué)習(xí)率調(diào)度采用cosineannealing，初始lr=0.1，周期T=100，則第50epoch的lr為_(kāi)_______。答案：0.05解析：cosine曲線在T/2處降至一半。23.在CenterNet中，中心點(diǎn)熱圖使用的損失函數(shù)是________。答案：FocalLoss的變體（ModifiedFocalLoss）解析：中心點(diǎn)視為高斯熱圖，正樣本權(quán)重用(1?y)^β抑制。24.使用TensorBoard記錄圖像時(shí)，默認(rèn)最多顯示________張。答案：4解析：writer.add_images限制默認(rèn)4張，可手動(dòng)改sample_size。25.在MobileNetV2中，bottleneck的擴(kuò)張因子t通常取________。答案：6解析：論文實(shí)驗(yàn)t=6在準(zhǔn)確與延遲間折中。四、判斷題（每題1分，共10分；正確打“√”，錯(cuò)誤打“×”）26.L1正則化比L2更易產(chǎn)生稀疏權(quán)重。答案：√解析：L1在0處不可導(dǎo)，幾何解在軸上，天然稀疏。27.在YOLOv3中，anchor尺寸通過(guò)kmeans在COCO上聚類得到，類別數(shù)k=9。答案：√解析：YOLOv3分3尺度，每尺度3anchor，共9。28.ReLU激活函數(shù)在負(fù)半軸梯度為0，因此一定導(dǎo)致神經(jīng)元永久死亡。答案：×解析：只有學(xué)習(xí)率極大或權(quán)重初始化極不合理時(shí)才“永久死亡”。29.使用MixUp數(shù)據(jù)增強(qiáng)時(shí)，標(biāo)簽也采用線性插值，可提升模型魯棒性。答案：√解析：MixUp對(duì)圖像與標(biāo)簽均插值，使決策邊界更平滑。30.在Transformer中，位置編碼去掉后，模型仍能保持圖像分類精度不變。答案：×解析：ViT去掉位置編碼后，Top1掉點(diǎn)約3%，順序信息丟失。31.對(duì)灰度圖使用直方圖均衡化，其熵一定增大。答案：√解析：均衡化擴(kuò)展動(dòng)態(tài)范圍，熵單調(diào)不減。32.在FPN中，高層特征圖經(jīng)過(guò)上采樣后與低層特征做elementwiseadd，可提升小目標(biāo)檢測(cè)效果。答案：√解析：高語(yǔ)義+高分辨率融合，增強(qiáng)小目標(biāo)。33.使用Adam優(yōu)化器時(shí)，β1=0.9、β2=0.999為推薦默認(rèn)值，無(wú)需再調(diào)。答案：√解析：原文實(shí)驗(yàn)覆蓋多數(shù)任務(wù)，默認(rèn)即最優(yōu)。34.在實(shí)例分割中，MaskRCNN的mask分支使用sigmoid輸出，每個(gè)像素多類softmax。答案：×解析：mask分支每類獨(dú)立sigmoid，避免類間競(jìng)爭(zhēng)。35.對(duì)視頻做光流估計(jì)時(shí)，F(xiàn)arneback算法屬于稀疏光流。答案：×解析：Farneback為稠密光流，LucasKanade才是稀疏代表。五、簡(jiǎn)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(cè)中的完整流程，并說(shuō)明SoftNMS的改進(jìn)思想。答案：流程：1）按置信度降序排列所有框；2）選最高置信度框，計(jì)算與其余框IoU；3）剔除IoU≥閾值的框；4）重復(fù)23直至無(wú)剩余框。SoftNMS改進(jìn)：不直接剔除，而是將高IoU框的置信度按高斯或線性函數(shù)降低，保留更多定位準(zhǔn)確的框，尤其密集場(chǎng)景提升召回。37.解釋轉(zhuǎn)置卷積（TransposedConvolution）產(chǎn)生“棋盤(pán)效應(yīng)”的原因，并給出兩種抑制方法。答案：原因：轉(zhuǎn)置卷積的步長(zhǎng)>1時(shí)，核權(quán)重與輸入元素相乘的覆蓋模式呈周期性不均，導(dǎo)致輸出像素值呈現(xiàn)棋盤(pán)狀高低交替。抑制：1）使用stride=1的轉(zhuǎn)置卷積+上采樣后插值，再經(jīng)3×3卷積平滑；2）采用亞像素卷積（PixelShuffle）替代，先擴(kuò)通道再重組，避免不均勻覆蓋。38.列舉三種常用的圖像數(shù)據(jù)增強(qiáng)方式，并說(shuō)明其針對(duì)的計(jì)算機(jī)視覺(jué)任務(wù)痛點(diǎn)。答案：1）RandomErasing：隨機(jī)遮擋矩形區(qū)域，緩解過(guò)擬合，提升模型對(duì)遮擋魯棒性，用于行人重識(shí)別；2）Albumentations的GridMask：結(jié)構(gòu)化丟棄像素，兼顧遮擋與正則，用于分類；3）Mosaic（YOLOv5）：四圖拼接，增加小目標(biāo)與上下文，解決小目標(biāo)樣本不足。六、計(jì)算與推導(dǎo)題（共31分）39.（9分）給定3×3灰度圖像I=[[1,2,1],[0,2,0],[1,2,1]]，使用Sobel算子Gx=[[1,0,1],[2,0,2],[1,0,1]]計(jì)算水平梯度，寫(xiě)出完整卷積結(jié)果（padding=0，stride=1）。答案：卷積核翻轉(zhuǎn)180°后滑動(dòng)，得：(1×(?1)+2×0+1×1+0×(?2)+2×0+0×2+1×(?1)+2×0+1×1)=0同理逐元素計(jì)算，最終輸出：[[0,4,0]]解析：輸出尺寸(3?3+1)=1×3，但水平邊緣僅中間列有差異，故為[0,4,0]。40.（10分）假設(shè)某檢測(cè)模型在單張圖片上預(yù)測(cè)5個(gè)框，置信度與IoU（相對(duì)GT）如下表：框1：conf=0.9，IoU=0.81框2：conf=0.8，IoU=0.75框3：conf=0.7，IoU=0.60框4：conf=0.6，IoU=0.45框5：conf=0.5，IoU=0.30若采用IoU閾值0.5作為正樣本判定，計(jì)算AP@0.5（假設(shè)僅1個(gè)GT）。答案：排序后依次判斷TP/FP：框1：TP框2：TP（重復(fù)GT，但僅1GT，故后續(xù)算FP）框3：FP框4：FP框5：FPRecall=[1,1,1,1,1]Precision=[1,1,0.67,0.5,0.4]AP=1×(1?0)=1解析：僅1GT，首次命中后召回恒1，AP=1。41.（12分）給定四通道特征圖F∈?^{H×W×4}，采用可分離卷積（Depthwise+Pointwise）輸出8通道，卷積核3×3，padding=1，stride=1。1）計(jì)算理論FLOPs；2）若改用普通卷積，F(xiàn)LOPs增加多少倍？答案：1）Depthwise：H×W×3×3×4=36HWPointwise：H×W×1×1×4×8=32HW總計(jì)68HW2）普通卷積：H×W×3×3×4×8=288HW增加288/68≈4.24倍解析：可分離卷積將空間與通道解耦，計(jì)算量顯著下降。七、編程實(shí)踐題（共30分）42.（30分）請(qǐng)用PyTorch實(shí)現(xiàn)一個(gè)輕量級(jí)UNet，要求：a）編碼器使用MobileNetV2的bottleneck（擴(kuò)張率6，stride=2時(shí)下采樣）；b）解碼器用雙線性上采樣+拼接+普通3×3卷積；c）輸入256×256×3，輸出256×256×1（二分類分割）；d）寫(xiě)出完整前向代碼并統(tǒng)計(jì)參數(shù)量。參考代碼：```pythonimporttorch,torch.nnasnnimporttorchvision.modelsasmodelsdefconv_bn_relu(in_c,out_c,k=3,s=1,p=1):returnnn.Sequential(nn.Conv2d(in_c,out_c,k,s,p,bias=False),nn.BatchNorm2d(out_c),nn.ReLU6(inplace=True))classInvertedResidual(nn.Module):def__init__(self,in_c,out_c,s,expand=6):super().__init__()hidden=in_cexpandself.use_res=s==1andin_c==out_clayers=[]ifexpand!=1:layers+=[conv_bn_relu(in_c,hidden,1)]layers+=[conv_bn_relu(hidden,hidden,3,s,1,groups=hidden),depthwisenn.Conv2d(hidden,out_c,1,1,0,bias=False),nn.BatchNorm2d(out_c)]self.conv=nn.Sequential(layers)defforward(self,x):returnx+self.conv(x)ifself.use_reselseself.conv(x)classEnc(nn.Module):def__init__(self):super().__init__()self.head=conv_bn_relu(3,32,3,2,1)128self.b1=InvertedResidual(32,16,1,1)128self.b2=nn.Sequential(InvertedResidual(16,24,2,6),64InvertedResidual(24,24,1,6))self.b3=nn.Sequential(InvertedResidual(24,32,2,6),32InvertedResidual(32,32,1,6),InvertedResidual(32,32,1,6))self.b4=nn.Sequential(InvertedResidual(32,64,2,6),16InvertedResidual(64,64,1,6),InvertedResidual(64,64,1,6),InvertedResidual(64,64,1,6))defforward(self,x):x=self.head(x)x1=self.b1(x)x2=self.b2(x1)x3=self.b3(x2)x4=self.b4(x3)returnx1,x2,x3,x4classDec(nn.Module):def__init__(self):super().__init__()self.up4=nn.Upsample(scale_factor=2,mode='bilinear',align_corners=False)self.c4=conv_bn_relu(64+32,32)self.up3=nn.Upsample(scale_factor=2,mode='bilinear',align_corners=False)self.c3=conv_bn_relu(32+24,24)self.up2=nn.Upsample(scale_factor=2,mode='bilinear',align_corners=False)self.c2=conv_bn_relu(24+16,16)self.up1=nn.Upsample(scale_factor=2,mode='bilinear',align_corners=False)self.c1=nn.C