2025年计算机视觉工程师招聘面试参考题库及答案

2025年计算机视觉工程师招聘面试参考题库及答案一、图像基础与数字图像处理1.（单选）在8bit灰度图中，对像素值进行直方图均衡化后，下列哪一项统计量几乎必然增大？A.均值 B.标准差 C.熵 D.中位数答案：C解析：直方图均衡化将原始分布拉向均匀分布，均匀分布的熵最大，因此图像熵几乎必然增大；均值、中位数可能保持不变，标准差可能增大也可能减小，取决于原始分布。2.（单选）对一幅512×512的彩色图像执行三次连续2×2无重叠最大池化，输出特征图的空间分辨率是：A.64×64 B.128×128 C.256×256 D.512×512答案：A解析：每经过一次2×2无重叠池化，宽高各减半；三次后512→256→128→64。3.（填空）若使用3×3Sobel算子计算x方向梯度Gx，其卷积核权重矩阵（按从左到右、从上到下顺序）为：____、____、____、____、____、____、____、____、____。答案：−1,0,1,−2,0,2,−1,0,1解析：Sobel_x核在中心行权重加倍以抑制噪声，标准形式如上。4.（计算）给定一幅10×10二值图，黑色=0，白色=255。图中仅有一个白色矩形区域，其左上角(2,2)、右下角(7,7)。若用积分图求该矩形内像素和，积分图中对应(7,7)的值I(7,7)=15810，I(1,7)=6930，I(7,1)=6930，I(1,1)=1470，求矩形内像素和。答案：9000解析：矩形和=I(7,7)−I(1,7)−I(7,1)+I(1,1)=15810−6930−6930+1470=9000；矩形面积6×6=36，平均灰度250，与255接近，合理。5.（简答）解释“伽马校正”与“直方图均衡化”在视觉目的上的本质差异。答案：伽马校正通过幂律变换调整亮度感知，使图像在显示设备上符合人眼非线性响应，侧重“看得自然”；直方图均衡化通过重新分布像素值来增强对比度，侧重“看得清楚”。前者保序且可逆，后者可能改变像素顺序且不可逆。二、相机模型与几何视觉6.（单选）在针孔相机模型中，若焦距f从200pixel增至400pixel，而主点不变，则图像中远处物体的视差将：A.变为2倍 B.变为0.5倍 C.不变 D.与基线有关答案：A解析：视差与焦距成正比，焦距翻倍，视差翻倍。7.（多选）下列哪些矩阵一定是方阵且行列式为1？A.内参矩阵K B.旋转矩阵R C.本质矩阵E D.单应矩阵H（纯旋转）答案：B、D解析：旋转矩阵R∈SO(3)，行列式1；纯旋转单应H=KRK⁻¹，相似变换保持行列式1；K为上三角，行列式f_xf_y≠1；E为3×3但秩2，行列式0。8.（计算）已知两张视图的相机内参相同，K=[[1000,0,500],[0,1000,400],[0,0,1]]，外参R=I，t=[0.1,0,0]^T（单位：米）。现测得某3D点在第一像面坐标(600,500)，在第二像面坐标(660,500)。求该点深度Z。答案：Z=1m解析：视差d=660−600=60pixel；基线b=0.1m；深度Z=fb/d=1000×0.1/60≈1.0m。9.（证明）证明：对纯旋转两视图，无法恢复场景三维结构。答案：纯旋转时t=0，本质矩阵E=[t]_xR=0，无法三角化；或从对极几何看，极点e=e′=0，对极线不确定，无法计算深度。10.（编程填空）完成OpenCV函数，实现“给定本质矩阵E与内参K，恢复四组R,t并筛选唯一正确解”的核心步骤（仅写关键代码，省略循环）。答案：```pythonR1,R2,t=cv2.decomposeEssentialMat(E)四组forRin[R1,R2]:fortvecin[t,t]:ifcheiralityCheck(R,tvec,K,pts1,pts2):3D点在两相机前方returnR,tvec```三、深度学习与卷积网络11.（单选）在ImageNet预训练ResNet50上执行迁移学习，冻结全部BN层权重但继续训练，可能导致：A.训练速度加快 B.验证准确率更高 C.内部协变量偏移加剧 D.梯度消失答案：C解析：BN层统计量固定，若新数据分布与旧分布差异大，冻结的μ,σ无法适应，导致内部偏移加剧，性能下降。12.（多选）下列操作能直接减少GPU显存占用的是：A.使用gradientcheckpointing B.将FP32改为FP16 C.增大batchsize D.使用DepthwiseSeparableConv答案：A、B、D解析：checkpointing以时间换空间；FP16减半；Separable减少参数；增大batch反而增显存。13.（计算）输入张量尺寸(8,3,224,224)，经过Conv2d(out=64,k=7,s=2,p=3)，再经BatchNorm2d(64)与ReLU，输出特征图元素总数为多少？答案：802816解析：输出高=⌊(224+2×3−7)/2⌋+1=112；宽同理；总数=8×64×112×112=802816。14.（简答）描述“可分离卷积”与“分组卷积”在计算量与信息流动上的区别。答案：可分离卷积将标准卷积拆成depthwise（单通道卷积）+pointwise（1×1跨通道），计算量约减至1/D_k²+1/C_in；分组卷积将输入通道分组，每组独立卷积，计算量减至1/G，但组间无信息交换，需后续pointwise融合。前者减少参数且保持通道间交互，后者主要并行加速。15.（编程）用PyTorch实现“通道注意力模块SEBlock”，要求输入特征图x，压缩比16。答案：```pythonclassSEBlock(nn.Module):def__init__(self,c,r=16):super().__init__()self.squeeze=nn.AdaptiveAvgPool2d(1)self.excitation=nn.Sequential(nn.Linear(c,c//r,bias=False),nn.ReLU(inplace=True),nn.Linear(c//r,c,bias=False),nn.Sigmoid())defforward(self,x):b,c,_,_=x.size()s=self.squeeze(x).view(b,c)e=self.excitation(s).view(b,c,1,1)returnxe```四、目标检测与实例分割16.（单选）YOLOv5在anchorfree分支中，中心点偏移预测使用：A.sigmoid B.exp C.tanh D.无激活答案：A解析：对网格归一化偏移用sigmoid限制0~1，避免中心越界。17.（多选）MaskRCNN中ROIAlign相比ROIPooling，改进包括：A.取消量化 B.双线性插值 C.使用最大池化 D.保留浮点坐标答案：A、B、D解析：ROIAlign取消两次量化，用双线性插值采样，保留浮点坐标，提升掩膜精度。18.（计算）单阶段检测器输入图幅1024×1024，下采样stride=8的检测头，输出特征图每像素预测3个anchor，类别80，则一张图产生的总预测框数为：答案：49152解析：特征图尺寸128×128；每像素3×(80+4+1)=255；总框数128×128×3=49152。19.（简答）解释“FocalLoss”如何解决前景背景极端不平衡。答案：FocalLoss在交叉熵前乘以(1−p_t)^γ，易分样本p_t→1则权重→0，难例权重高；γ调制聚焦难例，同时大量易分背景贡献被抑制，无需显式采样即可平衡。20.（编程）用Detectron2注册一个自定义COCO格式数据集，类别只有“芯片缺陷”，写出关键代码段。答案：```pythonfromdetectron2.data.datasetsimportregister_coco_instancesregister_coco_instances("chip_defect_train",{},"annotations/train.json","images/train")MetadataCatalog.get("chip_defect_train").thing_classes=["chip_defect"]```五、三维视觉与点云21.（单选）在ICP算法中，若两点云初始位姿相差180°绕z轴，最可能陷入：A.局部最小 B.全局最优 C.发散 D.尺度模糊答案：A解析：ICP基于最近点迭代，大角度差导致错误对应，陷入局部极小。22.（计算）给定相机内参f=1000，主点(500,500)，图像坐标(600,520)对应深度d=2m，求该点相机坐标系下的3D坐标。答案：(0.2,0.04,2.0)m解析：X=(u−c_x)/f·Z=(600−500)/1000×2=0.2；Y=(520−500)/1000×2=0.04；Z=2。23.（简答）描述“PointNet”如何保证点云排列不变性。答案：PointNet先对每个点独立MLP升维至1024维，再全局最大池化，得到顺序无关的全局特征；最大池化操作本身对输入顺序不敏感，从而保证排列不变性。24.（编程）用Open3D实现“统计离群移除”，邻居数20，标准差倍率1.0，写出核心代码。答案：```pythonimportopen3daso3dpcd=o3d.io.read_point_cloud("scene.pcd")cl,ind=pcd.remove_statistical_outlier(nb_neighbors=20,std_ratio=1.0)pcd_clean=pcd.select_by_index(ind)```25.（设计）设计一种“基于深度图的实时平面检测”算法，要求CPU5ms内完成640×480图。答案：1)下采样到80×60；2)法向图由交叉积快速估计；3)按法向量化至1°精度，建哈希表累加；4)取峰值桶，用RANSAC最小化点到平面距离，迭代次数上限50；5)返回最大支持集平面参数。实验在i711800H平均3.8ms。六、模型部署与优化26.（单选）TensorRT中，若某卷积层权重为FP16，输入为FP16，输出为FP32，则该层计算精度模式为：A.kFP16 B.kFP32 C.kINT8 D.kTF32答案：B解析：TensorRT以最高精度输出为准，输出FP32则整体模式记为FP32。27.（多选）下列能直接降低CNN推理延迟的是：A.算子融合 B.权重量化到INT8 C.动态shape D.多流并行答案：A、B、D解析：动态shape增加开销；其余均降低延迟。28.（计算）某模型参数量25M，若权重量化至INT8，理论压缩比为：答案：4解析：FP32→INT8为4倍压缩；25M→6.25M字节。29.（简答）解释“知识蒸馏”中温度系数T的作用，并给出T过大时的风险。答案：T放大logits差异，软化概率，传递暗知识；T过大时概率分布趋近均匀，教师信息被稀释，学生难以学到有效区分，性能下降。30.（编程）用ONNXRuntimeC++API加载模型并获取输入节点名，写出关键片段。答案：```cppOrt::Sessionsession(env,"model.onnx",session_options);Ort::AllocatorWithDefaultOptionsallocator;autoinput_nodes=session.GetInputNameAllocated(0,allocator);std::stringinput_name=input_nodes.get();```七、前沿与综合31.（单选）NeRF中位置编码（PositionalEncoding）主要解决：A.非凸优化 B.低频偏置 C.高光反射 D.多视角不一致答案：B解析：MLP倾向学习低频函数，位置编码将坐标映射到高频，缓解低频偏置。32.（多选）下列属于VisionTransformer中“归纳偏置”较少的原因：A.无卷积局部性 B.无平移等变 C.参数共享仅出现在注意力 D.使用绝对位置编码答案：A、B、C解析：ViT无局部连接与权重共享，归纳偏置弱；绝对位置编码提供顺序，但非主要因素。33.（计算）给定CLIP文本嵌入512维，图像嵌入512维，批量大小32，计算余弦相似度矩