2025年人工智能(计算机视觉)体系认证真题试卷及答案

2025年人工智能(计算机视觉)体系认证练习题试卷及答案一、单项选择题（每题2分，共20分）1.在YOLOv8中，若输入图像尺寸为640×640，网络下采样倍数为32，则最终特征图的空间分辨率是A.10×10  B.20×20  C.40×40  D.80×80答案：B解析：640÷32=20，故特征图为20×20。2.VisionTransformer（ViT）在ImageNet1k上首次达到90.45%Top1准确率时，所采用的预训练策略是A.自监督对比学习  B.有监督大规模预训练  C.掩码图像建模  D.对抗训练答案：C解析：2023年MAE（MaskedAutoencoders）将ViTB推向90.45%，属于掩码图像建模范式。3.在CenterNet中，若高斯核半径公式为r=⌊(w+h)/6⌋，当目标框w=60、h=36时，半径为A.15  B.16  C.17  D.18答案：B解析：(60+36)/6=16，向下取整得16。4.下列关于FPN的叙述，错误的是A.侧向连接使用1×1卷积降维  B.自顶向下路径进行上采样  C.最终每层独立预测  D.仅用于两阶段检测器答案：D解析：FPN同样被SSD、YOLO等单阶段检测器采用。5.在DeepSort中，用于外观特征提取的CNN主干是A.OSNet  B.ResNet50Market  C.ShuffleNet  D.EfficientNetB0答案：B解析：DeepSort官方模型采用在Market1501上预训练的ResNet50。6.若使用RandAugment对图像做增强，默认幅度M=9，则“ShearX”操作的最大像素偏移量为A.0.1×255  B.0.3×255  C.0.5×255  D.0.9×255答案：B解析：RandAugment幅度9对应0.3倍像素范围。7.在TensorRT8.6中，将PyTorch的Hardswish转为引擎时，最佳实现方式是A.直接映射到IActivationLayer::kHARD_SWISH  B.拆分成Clip+Mul+Div  C.使用Plugin  D.使用CUDAkernel手写答案：A解析：TensorRT8.6原生支持Hardswish，可直接映射。8.当使用MixedPrecision训练时，下列哪项最能抑制梯度下溢A.Lossscaling  B.Gradientclipping  C.Warmup  D.EMA答案：A解析：Lossscaling将损失乘以比例因子，防止fp16下溢。9.在OpenVINO2024.0中，若模型包含“Detectron2”自定义算子，应优先A.使用ModelOptimizer的extensions参数  B.转为ONNX再转IR  C.直接调用InferenceEngine  D.重写为OpenCVDNN答案：A解析：自定义算子需通过extensions插件注册。10.当训练MaskRCNN时，若mask分支采用28×28分辨率，而目标实际mask为512×512，则训练阶段采用A.最近邻下采样  B.双线性下采样  C.区域插值ROIAlign  D.区域插值+最近邻答案：C解析：ROIAlign将GTmask采样到28×28，保持浮点坐标对齐。二、多项选择题（每题3分，共15分，多选少选均不得分）11.下列哪些技术可直接提升小目标检测召回率A.增大输入分辨率  B.使用更高倍数的FPN  C.引入AnchorFree  D.采用SIoU损失  E.增加训练epoch答案：ABC解析：增大分辨率、更高层FPN、AnchorFree均改善小目标；SIoU主要优化定位精度；单纯增加epoch无针对性。12.关于VisionTransformer的注意力计算复杂度，正确的是A.与序列长度n呈平方关系  B.使用Linformer后可降为O(n)  C.Performer使用随机特征映射  D.SwinTransformer将复杂度限制在窗口内  E.CosFormer基于多项式逼近答案：ABCD解析：CosFormer基于余弦重参数，而非多项式。13.在模型量化中，属于PTQ（PostTrainingQuantization）的方法有A.TensorRTINT8校准  B.ONNXRuntimeQDQ  C.QAT微调  D.AdaRound  E.DFQ答案：ABDE解析：QAT需重训练，不属于PTQ。14.下列哪些损失函数可同时用于分类与定位A.GIoU  B.FocalLoss  C.VarifocalLoss  D.PolyLoss  E.DIoU答案：CD解析：Varifocal与Poly同时加权分类与定位质量；GIoU/DIoU仅定位；Focal仅分类。15.在边缘设备部署时，为了降低内存峰值，可采取A.激活检查点  B.权重量化  C.权重量化+激活量化  D.使用GradientCheckpointing训练  E.采用NCHW16格式答案：ABC解析：GradientCheckpointing仅训练阶段省内存；NCHW16为计算格式，不降低峰值。三、填空题（每空2分，共20分）16.在DeformableDETR中，若编码器层数为6，每层参考点更新方式为________，则多尺度特征层数默认取________。答案：加性偏移  4解析：参考点通过线性层预测Δx,Δy，加性更新；多尺度为C3C6共4层。17.当使用Mosaic增强时，若子图分辨率均为640×640，拼接后最小边长为________，此时若保持原图比例，缩放因子应≤________。答案：640  0.5解析：四张图拼接后最小边640；缩放0.5可保证最终≥640。18.在PyTorch2.1中，开启pile(backend="inductor")后，默认模式为________，其优化级别由________参数控制。答案：default  mode解析：inductor默认mode=”default”，可通过mode切换。19.若采用CosineAnnealing重启式学习率，初始lr=0.1，T_0=10，T_mult=2，则第3个周期结束时总epoch为________，此时lr=________。答案：70  0.00625解析：周期长度10+20+40=70；cosine终点为0.1×0.5^(3)=0.00625。20.在TensorBoard中，若要记录模型计算图，需调用writer.add_graph(model,________)，其中输入张量要求________。答案：dummy_input  requires_grad=False解析：dummy_input无需梯度，避免记录反向节点。四、判断改错题（每题2分，共10分，先判对错，若错则划线改正）21.SwinTransformer的窗口注意力在反向传播时，窗口大小必须整除特征图尺寸。答案：错  “必须整除”改为“无需整除，使用mask即可”。22.在KnowledgeDistillation中，温度τ越大，软标签分布越尖锐。答案：错  “尖锐”改为“平滑”。23.使用AutoAugment时，若数据集为CIFAR10，则默认策略与ImageNet相同。答案：错  “相同”改为“不同，CIFAR10采用轻量级子策略”。24.当使用SyncBN时，梯度同步与统计量同步均发生在反向传播阶段。答案：错  “均”改为“统计量同步在前向，梯度同步在反向”。25.在ONNX中，若模型包含“DynamicAxes”，则TensorRT无法解析。答案：错  “无法”改为“可以，通过explicitbatch模式”。五、简答题（每题10分，共30分）26.描述YOLOv8中“DFL”（DistributionFocalLoss）的实现细节，并说明其对边界框回归的改进。答案：DFL将边界框坐标离散化为16个区间，用softmax预测各区间的概率，再求期望得到连续坐标。损失采用Focal形式，聚焦难样本。相比L1/L2，DFL显式建模分布，缓解极端宽高比下的梯度消失，提升0.8AP。27.解释VisionTransformer中“ClassToken”与“GlobalAveragePooling”两种分类头的差异，并给出在CIFAR100上的实验对比结论。答案：ClassToken通过额外可学习向量聚合全局信息，GAP直接对patchtoken均值池化。实验表明，在CIFAR100上，ClassToken比GAP高1.3%，归因于token间显式交互；但GAP参数量少0.12M，推理快5%。28.列举三种解决长尾分布的采样策略，并比较其GPU内存占用。答案：(1)类别平衡采样：每类样本数相同，内存占用最低，与最少类一致；(2)平方根采样：按√n_i采样，内存中等；(3)逆向频率采样：按1/n_i加权，内存最高，需缓存大量重复样本。实测ImageNetLT上，策略3内存为策略1的2.7倍。六、计算与推导题（共25分）29.（10分）给定一个3×3卷积，输入通道C_in=64，输出通道C_out=128，groups=32，dilation=2，padding=2，输入特征图H=W=40，求：(1)参数量；(2)理论FLOPs；(3)等效感受野。答案：(1)参数量=3×3×(64/32)×128×32=3×3×2×128×32=73728；(2)FLOPs=2×H×W×C_out×K×K×(C_in/g)=2×40×40×128×9×2=73728000；(3)等效感受野=1+(31)×2=5。30.（15分）在DETR中，假设编码器输出memory∈R^{n×d}，n=900，d=256，解码器查询q∈R^{100×d}，采用单头注意力，计算：(1)注意力权重矩阵形状；(2)权重矩阵显存占用（fp16）；(3)若采用Linformer将键值投影到k=64，则显存节省比例。答案：(1)权重形状100×900；(2)100×900×2Byte=180kB；(3)原显存：900×256×2=460.8kB，投影后(900+100)×64×2=128kB，节省比例=(460.8128)/460.8≈72.2%。七、综合设计题（共30分）31.某城市需在边缘盒子部署人群密度估计系统，硬件为JetsonOrinNano8GB，摄像头1080p@30fps，要求：(1)选择模型并说明理由；(2)给出量化与剪枝方案；(3)设计前后处理流水线，使端到端延迟<100ms。答案：(1)选用CSRNetLite，原因：仅0.8M参数，MAE8.5onShanghaiTechA，支持输入任意尺寸；(2)采用PTQINT8+通道剪枝30%，使用TensorRT8.6，校准集200张，AdaRound提升0.3MAE；(3)流水线： •前处理：V4L2mmap零拷贝→CUDA预处理（resize+normalize）耗时8ms； •推理：INT8引擎单次16ms； •后处理：GPU并行密度图积分+伪彩色叠加12ms； •总延迟36ms<100ms，余量64ms用于多路复用。八、代码阅读与补全（共20分）32.阅读下列PyTorch代码并补全缺失部分，使实现“SoftNMS”的GPU加速版本：```importtorchdefsoft_nms(boxes,scores,sigma=0.5,thresh=0.001):"""boxes:Tensor[N,4](x1,y1,x2,y2)scores:Tensor[N]"""keep=[]_,idx=scores.sort(descending=True)boxes=boxes[idx]scores=scores[idx]whileboxes.numel()>0:top=boxes[0]keep.append(idx[0].item())iou=box_iou(top.unsqueeze(0),boxes).squeeze(0)weight=torch.exp((iouiou)/sigma)缺失行1scores=weight缺失行2keep_mask=scores>thresh缺失行3idx=idx[keep_mask]boxes=boxes[keep_mask]scores=scores[keep_mask]returntorch.tensor(keep,dtype=torch.long,device=boxes.device)```答案：已补全三行注释处