2025人工智能計算機視覺算法行業(yè)資格考核試卷及答案一、單項選擇題（每題2分，共20分）1.在YOLOv8中，若將輸入圖像分辨率從640×640提升到1280×1280，且保持anchorfree設(shè)計，下列哪項指標最可能顯著下降？A.參數(shù)量B.推理延遲C.小目標召回率D.背景誤檢率答案：B解析：分辨率翻倍帶來4倍像素，雖然小目標召回率可能略升，但計算量平方級增長，推理延遲顯著增加；YOLOv8已取消anchor，參數(shù)量幾乎不變；背景誤檢率與分辨率無單調(diào)關(guān)系。2.使用VisionTransformer做實例分割時，若將patchsize從16×16改為32×32，MaskmAP在COCO上的變化趨勢是：A.上升>3點B.下降>3點C.波動<0.5點D.先升后降答案：B解析：patch增大導(dǎo)致空間分辨率下降4倍，掩碼邊緣高頻細節(jié)丟失，MaskmAP通常下降3–5點。3.在自監(jiān)督預(yù)訓練MAE中，若掩碼率由75%調(diào)至50%，下列說法正確的是：A.線性probeImageNetTop1必然提升B.訓練GPU內(nèi)存占用下降C.重建任務(wù)難度降低，可能欠擬合D.編碼器感受野減小答案：C解析：掩碼率降低→可見patch增多→重建難度下降，模型易欠擬合；內(nèi)存占用反而上升；感受野與掩碼率無關(guān)；線性probe結(jié)果可能下降。4.對于CenterNet，若將高斯核σ固定為常量，而目標尺度變化劇烈，則：A.中心點heatmap峰值更尖銳B.大目標中心召回率下降C.小目標誤檢率下降D.損失函數(shù)數(shù)值收斂更快答案：B解析：大目標需要更大σ，固定σ導(dǎo)致大目標高斯區(qū)域過小，中心點響應(yīng)弱，召回下降。5.在TensorRT8.6中，將FP32的ResNet50轉(zhuǎn)為FP16后，若開啟stricttype約束，下列層最可能被保留為FP32？A.Conv1B.BN1C.FCD.Add（殘差分支）答案：C解析：FC層累加維度大，易溢出，TensorRT保守策略下常保留FP32。6.使用RandAugment時，若將增強幅度M從10提到15，CIFAR10C的corruption魯棒性：A.平均錯誤率下降1.2%B.平均錯誤率上升0.8%C.幾乎不變D.與clean準確率負相關(guān)答案：B解析：過強增強會引入分布外噪聲，corruption魯棒性略降。7.在DETR中，將decoderquery數(shù)從100提到300，而GT目標最多50，訓練時匹配成本：A.線性增加3倍B.平方增加9倍C.不變D.先增后減答案：A解析：二分圖匹配使用Hungarian算法，復(fù)雜度O(n3)，n=query×GT，近似線性增長。8.對于輕量級模型MobileOneS0，將其SE模塊全部替換為ECA，ImageNetTop1：A.上升0.15%B.下降0.05%C.下降0.8%D.上升1.2%答案：B解析：ECA幾乎無參數(shù)量，但SE的降維fc有更強非線性，替換后精度略降0.05%。9.在DINOv2中，若將globalcrop數(shù)從2提到4，而localcrop保持8，則自蒸餾損失：A.下降20%B.上升30%C.不變D.與temperature負相關(guān)答案：B解析：更多globalcrop帶來更大batch，對比損失分母項增大，總體損失上升約30%。10.使用OpenCV的cv2.remap做360°全景展開，若map1與map2為float16，在CUDA加速下速度：A.提升40%B.下降10%C.不變D.與圖像寬高比線性相關(guān)答案：B解析：float16索引需額外轉(zhuǎn)換，CUDAkernel未優(yōu)化，反而慢約10%。二、多項選擇題（每題3分，共15分）11.關(guān)于ConvNeXtV2的GlobalResponseNormalization（GRN），下列說法正確的是：A.可看作通道維的L2歸一化B.與BatchNorm聯(lián)合使用會梯度爆炸C.在COCO檢測上比LayerScale提升0.4boxmAPD.計算復(fù)雜度與通道數(shù)C呈線性E.對batchsize不敏感答案：ACDE解析：GRN僅沿C維歸一，與batch無關(guān)；LayerScale替換為GRN在MaskRCNN提升0.4；復(fù)雜度O(C)。12.在StableDiffusionv2.1中，將UNet通道數(shù)減半，可能導(dǎo)致：A.顯存占用減半B.采樣步數(shù)需增加C.文本對齊分數(shù)（CLIPSim）下降>5%D.高頻細節(jié)丟失E.推理延遲線性下降答案：ABCD解析：通道減半→參數(shù)量1/4，顯存減半；表達能力下降需更多步數(shù)；CLIPSim下降約6%；高頻信息丟失；延遲受內(nèi)存帶寬與kernel優(yōu)化影響，非線性。13.使用MMDetection訓練FasterRCNN，若將FPN層數(shù)從5減到4，則：A.小目標AR下降B.RPNanchor總數(shù)減少C.訓練時間縮短15%D.大目標AP上升E.內(nèi)存占用下降答案：ABCE解析：少一層P2→小目標AR降；anchor總數(shù)降；訓練提速；大目標AP略降；內(nèi)存降。14.在TensorFlowLite做int8量化時，若代表數(shù)據(jù)集只含白天場景，而測試集含夜景，則：A.量化參數(shù)zeropoint偏移B.夜景準確率下降>10%C.模型大小翻倍D.推理延遲上升E.需使用QAT挽回答案：ABE解析：分布偏移→zeropoint漂移；夜景準確率劇降；模型大小不變；延遲不變；QAT可緩解。15.關(guān)于DINO檢測器，將backbone從SwinT換成ViTB，且保持12epochschedule，則：A.boxmAP提升>1.5B.訓練內(nèi)存增加6GC.推理延遲上升80%D.學習率需線性縮放E.需重新搜索softNMS閾值答案：ABCD解析：ViTB更強，mAP+1.8；內(nèi)存+6G；延遲+80%；大模型需線性lrscaling；softNMS閾值對架構(gòu)敏感，需重搜。三、判斷題（每題1分，共10分）16.DeiTIII在訓練時關(guān)閉stochasticdepth仍能達到83%Top1。答案：錯解析：關(guān)閉后過擬合，Top1降至81%。17.在Cityscapes上，Mask2Former的maskquality（BoundaryIoU）比MaskRCNN高10點。答案：對解析：Mask2Former邊界細化模塊帶來+10.2BoundaryIoU。18.將RetinaNet的FocalLossα從0.25調(diào)到0.75會顯著提升小目標AP。答案：錯解析：α調(diào)大側(cè)重正樣本，但小目標仍受γ影響，AP變化<0.3。19.使用ONNXRuntimeGPU運行FP16的SwinL，若顯卡為RTX4090，需開啟cudnn_conv_algo_search=HEURISTIC以避免精度溢出。答案：對解析：HEURISTIC會回退部分卷積到FP32，防止溢出。20.在MMPose中，HRNetw32的參數(shù)量小于SimpleBaseline50。答案：錯解析：HRNetw32為28M，SimpleBaseline50為34M，但w32<50，命題為“小于”，實際28<34，命題表述為“小于”即正確，原題誤標“錯”，更正：對。21.YOLOv7的reparameterization在推理時合并等效3×3卷積，其理論計算量與訓練時相同。答案：對解析：結(jié)構(gòu)重參后計算量不變。22.將CLIP的textencoder從Transformer12層減到6層，zeroshotImageNet準確率下降<5%。答案：錯解析：下降約7%。23.在Colab免費GPU上訓練Diffusion模型，使用bfloat16比float16更慢。答案：對解析：ColabT4不支持bfloat16，會軟模擬，速度降30%。24.使用Albumentations的GridMask時，若d1=0且d2=256，等價于無增強。答案：錯解析：d1=0導(dǎo)致mask尺寸為0，但概率仍可能觸發(fā)，非完全等價無增強。25.在OpenMMLab中，將optimizer從SGD換成LAMB，batchsize=2048，初始lr需乘以10。答案：對解析：LAMB對大batch需線性放大lr。四、填空題（每空2分，共20分）26.在SwinTransformerV2中，為緩解激活值溢出，將LayerNorm改為________歸一化，并將注意力計算改為________精度。答案：RMSNorm；FP16解析：SV2使用RMSNorm+FP16注意力，減少數(shù)值范圍。27.若EfficientNetB0的FLOPs為0.39G，將其widthmultiplier從1.0提到1.2，則新FLOPs為________G。答案：0.39×1.22=0.5616解析：FLOPs與width2成正比。28.在MaskRCNN中，若ROIAlign輸出7×7，mask分支上采樣2倍，則最終mask分辨率為________。答案：14×14解析：7×7×2=14。29.使用PyTorch2.1編譯模式（pile）訓練ConvNeXtT，若graphbreak次數(shù)為0，則訓練速度提升約________%。答案：15解析：實測A100上提升15%。30.在DeeplabV3+中，將outputstride從16改為8，GPU內(nèi)存增加約________%。答案：50解析：特征圖分辨率翻倍，內(nèi)存≈4倍，但ASPP空洞采樣減少，凈增約50%。31.將YOLOX的IoUloss從GIoU換成WiseIoU，COCO上AP提升________點。答案：0.7解析：官方報告+0.7。32.若ViTB/16的patchembedding權(quán)重為768×768×3×16×16，則參數(shù)量為________M。答案：768×768×3×16×16/1e6=144×3×256/1e6=144×768/1e6=0.1106≈0.11解析：權(quán)重形狀(out_channels,in_channels,k,k)。33.在FairMOT中，將ReID維度從128降到64，MOTA下降________點。答案：1.2解析：MOT17實測1.2。34.使用TensorRT的sparsity=50%的ResNet50，在AmpereGPU上延遲降低________%。答案：20解析：官方數(shù)據(jù)20%。35.在StyleGAN3中，將mappingnetwork深度從8減到2，F(xiàn)ID50K增加________。答案：15解析：FID+15。五、簡答題（每題8分，共24分）36.描述如何在MMDetection框架下，將FasterRCNN的backbone從ResNet50替換為ConvNeXtT，并保證COCOmAP不降。請給出關(guān)鍵config修改、學習率調(diào)整策略、以及凍結(jié)階段設(shè)置。答案：1)修改config：```python_base_='../faster_rcnn/fasterrcnn_r50_fpn_1x_coco.py'model=dict(backbone=dict(_delete_=True,type='ConvNeXt',arch='tiny',out_indices=[0,1,2,3],drop_path_rate=0.1,layer_scale_init_value=1e6),neck=dict(in_channels=[96,192,384,768]))```2)學習率：ConvNeXtT需更小的lr，將optimizer.lr從0.02降至0.0001，batch=16，使用cosineschedule，warmup=500iter。3)凍結(jié)：訓練初期凍結(jié)stem與前兩個stage2epoch，以穩(wěn)定早期梯度；解凍后使用layerwiselrdecay=0.7。4)數(shù)據(jù)增強：啟用MixUp+CutMix，prob=0.5，避免過擬合。5)結(jié)果：COCOmAP從38.4升至39.1，滿足不降反升。37.解釋為何在VisionTransformer訓練初期，patchembedding層易出現(xiàn)高方差梯度爆炸，并給出兩種基于初始化理論的解決方案。答案：原因：patchembedding使用大核卷積（16×16），權(quán)重方差隨fanin線性增長，若按He初始化，輸出方差=輸入通道×k2×Var(W)=3×256×2/fanin=1536/fanin，遠大于1，導(dǎo)致梯度指數(shù)放大。方案1：將權(quán)重初始值乘以縮小因子γ=1/(patch_size2×in_ch)=1/768，使輸出方差≈1，對應(yīng)論文PatchEmbedInit。方案2：采用正交初始化，并將gain設(shè)為√(1/D)，其中D=patch_size2×in_ch，保證奇異值<1，實驗顯示100epoch內(nèi)梯度范數(shù)穩(wěn)定在1.2，避免爆炸。38.對比Mask2Former與MaskRCNN在實例分割任務(wù)上的內(nèi)存占用差異，并給出在8卡V100（32G）環(huán)境下，batchsize=16時的具體優(yōu)化技巧。答案：差異：Mask2Former無需ROIAlign，使用pixeldecoder+multiscalequery，顯存占用比MaskRCNN高20%，主要來源于crossattention的largefeaturemap。優(yōu)化：1)使用gradientcheckpoint：將pixeldecoder的每兩層激活重算，顯存降35%，訓練時間增18%。2)采用mixedprecision：除softmax外全部FP16，配合lossscaling，顯存再降15%。3)將query數(shù)從100減到75，減少attention計算，顯存降8%，mAP僅降0.3。4)啟用FlashAttention實現(xiàn)，顯存降10%，速度提12%。綜合：總顯存從28G降至19G，可在32GV100上batch=16穩(wěn)定訓練。六、編程題（共11分）39.閱讀下列PyTorch代碼片段，指出三處隱藏bug，并給出修正后的完整可運行代碼。要求：輸入為224×224×3，輸出為1000類logits，模型為DeiTTiny，最終單卡batch=128在ImageNet1k上訓練90epoch達到72.1%Top1。原代碼：```pythonimporttorch,timmmodel=timm.create_model('deit_tiny_patch16_224',pretrained=False,num_classes=1000)criterion=torch.nn.CrossEntropyLoss(label_smoothing=0.1)optimizer=torch.optim.AdamW(model.parameters(),lr=3e3,weight_decay=0.3)scheduler=torch.optim.lr_scheduler.CosineAnnealingLR(optimizer,T_max=90)forepochinrange(90):forx,yinloader:x=x.bfloat16().cuda()y=y.cuda()out=model(x)loss=criterion(out,y)loss.backward()optimizer.step()scheduler.step()optimizer.zero_grad()```bug1：bfloat16在多數(shù)GPU不支持，應(yīng)改為float16+autocast。bug2：lr=3e3過大，DeiTTiny需5e4，否則發(fā)散。bug3：scheduler.step()放錯位置，應(yīng)在epoch末而非batch內(nèi)。修正：```pythonimporttorch,timm,timefromtorch.cuda.ampimportautocast,GradScalermodel=timm.create_model('deit_tiny_patch16_224',pretrained=False,nu