2025年人工智能(计算机视觉)综合测试试卷及答案

2025年人工智能(计算机视觉)综合测试试卷及答案一、单项选择题（每题2分，共20分）1.在YOLOv8中，若将输入图像分辨率从640×640提升到1280×1280，且保持anchorfree机制不变，下列哪一项最可能显著增加？A.正样本数量B.负样本IoU阈值C.NMS后处理耗时D.回归分支的通道数答案：C解析：分辨率提升后，候选框数量呈平方级增长，NMS需要更多次IoU比较，耗时显著上升。正样本数量由GT框决定，与分辨率无直接线性关系；anchorfree机制下无预设anchor，回归通道数固定；负样本IoU阈值是超参数，与输入分辨率无关。2.使用VisionTransformer做目标检测时，若将patchsize从16×16改为32×32，则模型感受野的变化是：A.感受野缩小一半B.感受野不变C.感受野扩大一倍D.感受野变为全局答案：D解析：ViT本身在最后一层即具备全局感受野；patchsize增大仅降低token数量，不改变全局自注意力机制，因此感受野仍覆盖全图。3.在CenterNet中，若heatmap的峰值响应为0.98，而同一位置经过3×3maxpooling后值仍为0.98，则该点：A.一定是假阳性B.一定是真阳性C.无法判断正负D.需结合偏移量回归结果答案：B解析：CenterNet后处理保留“heatmap峰值且等于maxpooling结果”的点作为检测中心，该规则已过滤掉非极大值点，因此可直接判定为候选正样本，再结合偏移与尺寸回归即可确认真阳性。4.当使用MixUp数据增强时，若两张图像的MixUp系数λ=0.7，则对应标签的处理方式是：A.直接取λ>0.5对应的标签B.两张标签分别乘以λ与1λ后相加C.两张标签做元素级最大值D.两张标签做onehot后取并集答案：B解析：MixUp对标签采用线性插值，保持与图像像素插值一致的数学意义，从而保证损失函数可导。5.在FPN结构中，若P5特征图下采样倍率为32，现将其上采样2倍再与P4相加，则相加后的特征图下采样倍率为：A.8B.16C.32D.64答案：B解析：P4下采样倍率为16，P5上采样2倍后同样变为16，两者空间分辨率一致，可直接相加。6.当使用FocalLoss训练检测器时，若γ=0，则FocalLoss等效于：A.CrossEntropyB.GIoULossC.DiceLossD.KLDivergence答案：A解析：γ=0时，调制因子(1p)^γ=1，FocalLoss退化为普通交叉熵。7.在DeepSort中，若将外观特征维度从128降至64，最可能导致的负面影响是：A.卡尔曼滤波预测误差增大B.IDSwitch增加C.检测框回归变差D.相机运动补偿失效答案：B解析：外观特征维度降低会削弱区分能力，使不同目标被误判为同一ID，从而增加IDSwitch。卡尔曼滤波仅依赖运动模型，与外观维度无关。8.当使用RandAugment时，若Magnitude=10，则下列哪种变换幅度最大？A.旋转30°B.色度+20C.对比度×1.5D.剪切0.8答案：D解析：RandAugment的剪切幅度0.8表示图像边缘被剪切掉80%，远大于旋转30°、色度+20、对比度×1.5的相对强度。9.在知识蒸馏中，若教师模型输出softmax温度τ=4，学生模型τ=1，则蒸馏损失与真实标签损失的最佳权重比通常设为：A.1:1B.2:1C.1:2D.4:1答案：B解析：高温蒸馏损失提供更丰富的暗知识，通常给予更高权重，经验比例2:1效果最佳。10.当使用TensorRTINT8量化时，若某卷积层权重最大绝对值为3.2，则该层量化的scale最接近：A.3.2/127B.3.2/255C.3.2/128D.3.2/256答案：A解析：INT8范围[128,127]，对称量化scale=max(|w|)/127，确保最大值刚好映射到127。二、多项选择题（每题3分，共15分）11.关于DeformableDETR，以下说法正确的有：A.解码器查询数量可少于100B.编码器使用多尺度可变形注意力C.训练epoch数比原始DETR大幅减少D.仍需要手工设计anchor答案：A、B、C解析：DeformableDETR通过可变形注意力加速收敛，epoch从500降至50；查询数量可灵活设置；无需anchor。12.下列哪些技术可直接用于解决长尾分布？A.LDAMLossB.ClassbalancedFocalLossC.ResamplingD.MixUp答案：A、B、C解析：MixUp主要起正则化作用，对长尾类别平衡无直接针对性。13.关于SelfSupervisedPretraining，下列哪些方法属于对比学习？A.MoCov3B.DINOC.MAED.SimCLR答案：A、B、D解析：MAE属于掩码自编码，非对比学习。14.当使用ONNX导出动态batch模型时，需要满足的条件有：A.模型中无batch维度相关if分支B.所有算子支持动态batchC.输入shape字典需标记batch为NoneD.必须关闭TorchScript答案：A、B、C解析：TorchScript与ONNX可共存，关闭非必须。15.在CenterTrack中，为了实现多目标跟踪，网络额外输出的头有：A.偏移头D.热力图头C.前一帧中心点头D.速度回归头答案：A、C、D解析：CenterTrack新增“前一帧中心点”用于关联，以及速度回归头，用于卡尔曼滤波初始化。三、填空题（每空2分，共20分）16.在YOLOv5中，若输入分辨率为640×640，下采样倍率32的检测层特征图尺寸为________。答案：20×20解析：640/32=20。17.VisionTransformer中，若patchsize=16，图像大小为224×224，则序列长度为________。答案：196解析：(224/16)^2=14^2=196。18.当使用GIoULoss时，若预测框与GT框无重叠，GIoU值等于________。答案：1解析：GIoU定义中，无重叠时IoU=0，且外接框面积与两框和面积之比为1，故GIoU=01=1。19.在MMSegmentation框架中，若采用DeepLabV3+，encodername为ResNet50，则ASPP模块输出的通道数默认设置为________。答案：256解析：官方配置中ASPPout_channels=256。20.当使用RandLANet处理点云时，每次随机采样的点数为原始点数的________%，从而保证计算效率。答案：5解析：RandLANet论文中采用5%随机下采样。21.若使用TensorRT8.5，在Ada架构GPU上开启FP16，则峰值算力相对于FP32的理论提升倍率为________倍。答案：2解析：Ada架构FP16峰值算力为FP32两倍。22.在OpenCV中，cv2.remap的映射矩阵数据类型必须为________。答案：CV_16SC2或CV_32FC1/CV_32FC2解析：remap要求映射矩阵为16位有符号双通道或32位浮点。23.当使用PyTorch导出ONNX时，若模型包含切片操作tensor[::2]，需确保opsetversion≥________。答案：11解析：opset11开始支持动态切片。24.在MMDetection中，若将anchor_ratios从[0.5,1,2]改为[0.2,1,5]，则anchor数量增加________倍。答案：1解析：数量不变，仅比例改变。25.当使用KnowledgeDistillation训练分类模型时，若教师模型准确率为98%，学生模型仅85%，则蒸馏温度τ通常需要________（提高/降低）。答案：提高解析：高温可软化分布，使学生更易学习暗知识。四、判断题（每题1分，共10分）26.SwinTransformer的shiftedwindow机制可以扩大感受野。（√）27.在RetinaNet中，若α=0.25，则表示正样本权重为负样本的3倍。（√）28.使用CutMix时，如果λ=0.4，则组合图像中40%区域来自第二张图。（×）解析：面积比例λ，但位置随机，不一定是连续40%。29.当使用Mosaic数据增强时，四张图必须来自同一视频帧。（×）30.在TensorRT中，INT8量化的calibration数据集越大，精度一定越高。（×）31.DeiT通过引入distillationtoken实现无需大量数据训练。（√）32.在CenterNet中，若heatmap峰值小于0.3，可直接丢弃该检测。（√）33.使用GroupNormalization时，batchsize大小对结果几乎无影响。（√）34.在MMDetection3D中，PointPillars的pillar尺寸越大，z轴精度越高。（×）35.当使用TorchScript时，模型中不能包含Python字典推导式。（√）五、简答题（每题8分，共24分）36.描述DeformableDETR中“多尺度可变形注意力”的计算流程，并说明其相对原始DETR的两项主要优势。答案：流程：1)对多尺度特征图{xl}，每个查询q生成4个采样点偏移Δpk与注意力权重Aqk；2)通过双线性插值在对应尺度上采样特征；3)对采样特征加权求和得到输出。优势：1)计算复杂度从O(HW)^2降至O(KHW)，K为采样点数（远小于HW）；2)引入多尺度，使小目标获得更高分辨率特征，检测精度提升，收敛速度从500epoch降至50epoch。37.说明在长尾分类任务中，LDAMLoss的设计思想，并给出其数学表达式。答案：设计思想：对少数类施加更大margin，使决策边界向多数类方向移动，从而缓解类别不平衡。数学式：L_i=log(1+Σ_{j≠y_i}exp((m_{y_i}m_j)+(W_j^TxW_{y_i}^Tx)))其中m_{y_i}=C/n_{y_i}^{1/4}，n_{y_i}为类别样本数，C为常数。通过margin与样本数成反比，实现少数类更大惩罚。38.解释CenterTrack中“前一帧中心点热力图”如何实现跨帧关联，并说明其相对DeepSort的两项优势。答案：实现：网络额外输出前一帧中心点预测，与当前帧检测中心点计算L2距离，结合运动一致性进行二分图匹配。优势：1)无需ReID模型，端到端训练，减少参数量；2)利用jointlylearned运动与外观特征，对快速运动目标更鲁棒，IDSwitch降低约15%。六、计算与推导题（共31分）39.（10分）给定一张3×224×224图像，经过patchsize=16、embeddingdim=768的ViT，计算QKV投影所需参数量。答案：输入token数N=(224/16)^2=196每个token维度D=768QKV各需D×D参数，共3组参数量=3×D×D=3×768×768=1,769,47240.（10分）在YOLOv5中，若某层anchor为[10,13,16,30,33,23]（宽,高），输入分辨率640，该层下采样8倍，求特征图尺度及anchor对应特征图网格坐标。答案：特征图尺度=640/8=80×80anchor已以像素为单位，无需再乘stride，直接用于80×80网格。例如网格(40,40)处，a