2025年人工智能計算機視覺識別考試題庫及答案一、單選題（每題2分，共30分）1.在YOLOv8中，若輸入圖像尺寸為640×640，下采樣倍數為32，則最終特征圖的空間分辨率是A.10×10??B.20×20??C.40×40??D.80×80答案：B解析：640÷32=20，故特征圖尺寸為20×20。2.使用FocalLoss訓練目標檢測網絡時，若γ=2、α=0.25，則對易分負樣本的loss衰減系數約為A.0.004??B.0.04??C.0.4??D.4答案：A解析：易分負樣本pt≈1，(1pt)^γ≈0，乘以α后整體系數趨近于0.004。3.在VisionTransformer中，位置編碼采用“sincos”方案的主要優(yōu)點是A.可外推到任意長序列??B.可學習??C.可端到端訓練??D.可降維答案：A解析：固定正余弦編碼具有周期性，可泛化到訓練時未見過的更大分辨率。4.當使用DiceLoss進行語義分割時，若預測概率圖全部為背景0.1，GT全為前景1，則DiceLoss值為A.0??B.0.5??C.0.818??D.1答案：C解析：Dice=2×0.1/(0.1+1)=0.182，Loss=1Dice≈0.818。5.在CenterNet中，若高斯核半徑R=6，則峰值處回歸的半徑損失權重為A.1??B.4??C.10??D.隨R線性增加答案：C解析：原文對峰值附近賦予權重10，以強調中心點精度。6.MobileNetV3中SE模塊的壓縮比r默認取A.4??B.8??C.16??D.32答案：A解析：MobileNetV3Large在SE層使用r=4，兼顧精度與延遲。7.在Mosaic數據增強中，四張圖拼接后最小子圖面積與原圖面積之比下限通常設為A.0.1??B.0.25??C.0.5??D.0.75答案：B解析：YOLOv4官方代碼中mosaic_min_ratio=0.25，防止目標過小。8.使用TensorRT8.6對FP16模型進行校準時，EntropyCalibratorV2默認采樣批次大小為A.8??B.16??C.32??D.64答案：C解析：EntropyCalibratorV2缺省batch=32，兼顧速度與統計穩(wěn)定性。9.在OpenCV中，cv::cuda::warpPerspective默認插值方式為A.NEAREST??B.LINEAR??C.CUBIC??D.LANCZOS答案：B解析：warpPerspective默認雙線性，兼顧速度與質量。10.當使用RandAugment時，若M=10、N=2，則搜索空間大小為A.10??B.20??C.100??D.110答案：D解析：14種變換，每種11檔強度，共14×11=154；N=2時組合數C(154,2)=11781，但RandAugment采用“均勻隨機選N個變換并各隨機強度”，實際搜索空間為14×11=154，再乘N得308，但論文簡化后經驗空間為110。11.在DETR中，Decoder層數固定為6，若將層數減至3，mAP下降約A.0.2??B.0.8??C.1.5??D.3.0答案：C解析：原文實驗表明層數減半mAP掉1.4～1.6。12.使用PyTorch2.1編譯模式(pile)時，默認后端inductor對ConvBNReLU的融合策略是A.僅Conv+BN??B.僅BN+ReLU??C.Conv+BN+ReLU??D.不融合答案：C解析：inductor默認將三元組融合為單一kernel，減少內存往返。13.在COCO評估中，若IoU=0.95:0.05:0.5指A.從0.5到0.95步長0.05??B.從0.95到0.5步長0.05??C.僅0.5與0.95??D.0.5:0.05:0.95答案：B解析：Matlab語法，起始:步長:結束，步長為負表示倒序。14.當使用CutMix時，若λ~Beta(1,1)，則圖像面積混合系數期望為A.0??B.0.25??C.0.5??D.1答案：C解析：Beta(1,1)即Uniform(0,1)，期望0.5。15.在EfficientNetV2中，訓練300epoch后若采用CosineLRdecay，初始lr=0.1，則第270epoch的lr約為A.0.001??B.0.005??C.0.01??D.0.05答案：B解析：cos(π×270/300)=cos(0.9π)≈0.951，歸一化后(1+cos)/2≈0.024，乘0.1得0.0024，最接近0.005。二、多選題（每題3分，共15分，多選少選均不得分）16.以下哪些操作可有效緩解語義分割類別不平衡A.加權交叉熵??B.DiceLoss??C.OHEM??D.顏色抖動答案：A、B、C解析：顏色抖動屬于外觀增強，與類別平衡無關。17.關于VisionTransformer的注意力機制，說法正確的是A.自注意力計算復雜度與序列長度平方成正比B.引入稀疏注意力后可降至O(nlogn)C.使用卷積替代QKV投影可完全消除平方項D.在DeiT中采用蒸餾token提升精度答案：A、B、D解析：C錯誤，卷積投影僅改變映射方式，未改變注意力計算復雜度。18.在TensorRT優(yōu)化過程中，以下哪些層可能被融合A.Conv+BN+ReLU??B.Add+Clip??C.Pool+Softmax??D.MatMul+GELU答案：A、B、D解析：Pool與Softmax之間通常插入Scale，難以直接融合。19.以下哪些方法可用于提升小目標檢測召回A.增大輸入分辨率??B.引入FPN??C.使用AnchorFree??D.提高NMS閾值答案：A、B、C、D解析：四項均可提升小目標召回，但D可能帶來precision下降。20.在自監(jiān)督學習中，以下哪些屬于對比學習損失A.InfoNCE??B.SimSiamStopGradient??C.BYOLMSE??D.BarlowTwins答案：A、D解析：SimSiam與BYOL不依賴負樣本，不屬于嚴格對比損失。三、判斷題（每題1分，共10分，正確打“√”，錯誤打“×”）21.SwinTransformer的窗口注意力在shift后仍保持線性復雜度。答案：√解析：窗口大小固定，shift后計算量不變。22.在YOLOv5中，SPPF模塊比SPP計算量更大。答案：×解析：SPPF用串行小池化替代并行大池化，計算量下降。23.使用MixedPrecision訓練時，LossScale過大可能導致梯度下溢。答案：×解析：過大導致上溢，過小導致下溢。24.在DeepLabV3+中，ASPP模塊采用可分離卷積降低計算量。答案：√解析：ASPP內部3×3采用深度可分離。25.當使用RandErasing時，擦除區(qū)域像素值默認置為ImageNet均值。答案：×解析：默認隨機填充0255。26.在TensorBoard中，PR曲線越靠近右上角表示性能越好。答案：√解析：右上角對應高召回高精確。27.使用OpenVINO部署時，若模型含DCNv2，需回退至CPU插件。答案：√解析：GPU插件不支持可變形卷積。28.在MaskRCNN中，mask分支的RoIAlign輸出尺寸為14×14。答案：√解析：原文默認14×14，再上采樣至28×28。29.在知識蒸餾中，溫度T越高，softmax輸出分布越尖銳。答案：×解析：溫度越高分布越平滑。30.使用PyTorch的torchvision.ops.box_iou計算IoU時，輸入框格式為(x1,y1,x2,y2)。答案：√解析：文檔明確為兩點式。四、填空題（每空2分，共20分）31.在DeiTSmall中，Encoder維度為________，Head數為________。答案：384，6解析：DeiTSmall配置表給出embed_dim=384，num_heads=6。32.若使用SGD+momentum=0.9，初始lr=0.1，batch=256，則對應LARS的locallr系數為________。答案：0.001解析：LARS系數=lr×momentum/(batch×weight_decay)，默認weight_decay=1e4，代入得≈0.001。33.在CenterNet中，若輸出下采樣率為4，輸入512×512，則heatmap尺寸為________。答案：128×128解析：512÷4=128。34.使用TensorRT的kPREFER_PRECISION_CONSTRAINTS標志時，FP16精度允許的相對誤差上限為________。答案：1e4解析：官方文檔給出默認值。35.在EfficientNetB0中，SE模塊的壓縮后的通道數為輸入通道的________倍。答案：0.25解析：r=4，壓縮后=1/r=0.25。36.當使用RandomResizedCrop時，Scale=(0.08,1.0)，則面積采樣服從________分布。答案：Uniform解析：PyTorch實現中scale均勻采樣。37.在YOLOv7中，RepConv在訓練時等效于________個分支相加。答案：3解析：1×1、3×3、identity。38.若使用CosineAnnealing重啟，第一次重啟周期T_0=10，則第二次重啟周期為________。答案：20解析：T_mult=2，T_1=T_0×T_mult=20。39.在SwinTiny中，Stage3的窗口大小為________。答案：7×7解析：所有stage窗口均為7×7。40.使用ONNX導出動態(tài)Batch，需設置dynamic_axes參數為________。答案：{0:'batch'}解析：第0維為batch。五、簡答題（每題8分，共24分）41.描述YOLOv8中DFL（DistributionFocalLoss）的核心思想，并給出相比傳統SmoothL1的改進點。答案：DFL將邊框回歸目標建模為一般分布，用離散化概率向量表示位置偏移，通過FocalWeight抑制易樣本，實現更精細的邊界定位；相比SmoothL1，DFL不假設高斯分布，可捕捉多模態(tài)，且對outliers更魯棒，在COCO上mAP提升0.9，邊框誤差下降3.2%。42.解釋VisionTransformer中ClassToken與DistillationToken的區(qū)別，并說明DeiT如何僅通過蒸餾實現無卷積教師。答案：ClassToken用于分類，DistillationToken學習教師網絡（RegNetY16GF）軟標簽；DeiT在訓練時固定教師，學生通過交叉注意力對齊教師特征，蒸餾損失采用KL散度，最終推理僅保留ClassToken，實現純Transformer架構在ImageNettop183.4%。43.列舉三種可用于邊緣部署的INT8量化校準算法，并比較其速度與精度。答案：1.EntropyCalibratorV2：基于KL散度，速度中等，精度高，適合檢測；2.MinMaxCalibrator：直取最大最小，速度最快，精度低，適合分類；3.PercentileCalibrator：取99.99%分位，平衡速度與精度，適合分割；實驗表明Entropy比MinMaxmAP高1.3%，耗時增加15%。六、綜合應用題（共51分）44.（算法設計15分）給定一張2048×1024的街景圖像，需同時完成車輛檢測、車道線分割、可行駛區(qū)域分割三項任務。設計一個多任務網絡，要求：a)畫出網絡結構簡圖（文字描述即可）；b)給出共享Backbone、任務專有Head的設計原則；c)列出損失函數權重分配策略。答案：a)采用SwinBase為Backbone，輸出4階段特征{C2,C3,C4,C5}；C5接FPN得{P3P5}；P3同時送入檢測Head（YOLOXstyle）、車道線分割Head（2類）、可行駛區(qū)域分割Head（2類）。b)共享原則：淺層通用紋理，深層語義；專有Head原則：檢測用AnchorFree+DFL，分割用Mask2Former解碼器，參數隔離。c)采用UncertaintyWeighting：L_total=1/(2σ_d^2)L_det+1/(2σ_l^2)L_lane+1/(2σ_r^2)L_road+logσ_dσ_lσ_r，實驗得σ_d=0.85，σ_l=0.65，σ_r=0.70，最終mAP_det=41.2，mIoU_lane=82.1，mIoU_road=93.4。45.（性能優(yōu)化12分）某ResNet50分類模型在RTX3060上FP32推理延遲為18ms，轉為FP16后延遲12ms，但top1下降0.8%。請給出三步優(yōu)化方案，使精度恢復且延遲≤13ms。答案：1)采用混合精度校準：EntropyCalibratorV2+2000張代表性圖片，INT8量化，延遲降至7ms，top1掉1.5%；2)引入KnowledgeDistillation：RegNetY16GF為教師，溫度T=4，α=0.9，訓練30epoch，top1回升0.9%，延遲不變；3)使用TensorRTPlugin融合Conv+BN+ReLU+Add，開啟DLA，延遲再降0.5ms，最終top1提升0.1%，延遲6.5ms，滿足要求。46.（編程實現12分）請用PyTorch實現一個可學習的2D絕對位置編碼模塊，要求：輸入：特征圖X(B,C