2025年(人工智能)计算机视觉试题及答案

2025年(人工智能)计算机视觉试题及答案一、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，故特征图尺寸为20×20。YOLOv8仍保持5次下采样，stride=32。2.使用MobileNetV3作为骨干网络时，下列哪种算子被引入以显著降低SE模块延迟A.HSwish  B.SqueezeandExcitation  C.ChannelShuffle  D.AtrousConvolution答案：A解析：HSwish将ReLU6替换为HardSwish，可在ARM端提速约12%，同时保持精度。3.在双目立体匹配中，若基线长度B=0.12m，焦距f=500px，视差d=25px，则深度Z为A.1.2m  B.2.4m  C.3.0m  D.4.8m答案：B解析：Z=B·f/d=0.12×500/25=2.4m。4.针对小目标检测，下列数据增强策略最可能带来负面效果的是A.Mosaic9  B.RandomCrop(0.1)  C.MixUp  D.RandomErasing(scale=(0.01,0.02))答案：B解析：RandomCrop(0.1)将图像裁剪为原图10%，极易把小目标完全裁掉，导致标签丢失。5.VisionTransformer中，位置编码采用二维sinusoidal编码，其波长λ最大取值为A.10000  B.20000  C.50000  D.100000答案：D解析：原始Transformer论文中，最大波长100000用于保证长序列可区分。6.在CenterNet中，若高斯核半径R=3，则峰值处损失权重为A.1  B.2  C.4  D.8答案：C解析：高斯核峰值权重为1，但focalloss对正样本加权(1y)^γ，CenterNet默认γ=2，故1×4=4。7.使用TensorRT8.6对FP16模型进行校准，若出现INT8溢出，最优先检查的校准算法是A.Entropy  B.Legacy  C.MinMax  D.Percentile(99.99%)答案：C解析：MinMax直接映射最大最小值，极端值易导致INT8溢出；Entropy对直方图自适应，鲁棒性更好。8.在实例分割任务中，MaskRCNN的RoIAlign输出尺寸为14×14，若采用双线性插值，采样点数为4，则每个bin的采样坐标为A.固定角点  B.随机抖动  C.均匀4点  D.自适应边缘答案：C解析：RoIAlign将bin均匀划分为2×2=4子窗口，取中心点做双线性插值。9.对于360°全景图像目标检测，将ERP投影转换为CubeMap后，单面立方体图分辨率若为512×512，则原ERP图最短边应不低于A.1024  B.1536  C.2048  D.3072答案：C解析：CubeMap单面512，赤道周长=512×4=2048，故ERP最短边≥2048才能保留细节。10.在自监督预训练MoCov3中，若队列长度K=4096，特征维度D=256，则队列占用显存约为A.4MB  B.8MB  C.16MB  D.32MB答案：B解析：4096×256×4B≈4MB，但采用FP16，故减半为2MB，再加梯度缓存≈8MB。二、多项选择题（每题3分，共15分，多选少选均不得分）11.下列哪些操作可有效缓解语义分割中的“域漂移”问题A.FDA（FourierDomainAdaptation）B.CutMixC.IBNNetD.StyleRandomization答案：A、C、D解析：FDA在频域交换振幅；IBNNet拆分IN与BN；StyleRandomization随机化风格。CutMix主要用于目标检测增强，对域漂移帮助有限。12.关于VisionTransformerOverPatch，下列说法正确的是A.将16×16patch继续拆分为4×4OverPatchB.引入局部自注意力降低计算复杂度C.在COCO检测任务上AP提升>1.0D.需要重新设计位置编码答案：A、B、D解析：OverPatch细化patch，局部自注意力减少计算；位置编码需适应重叠，故需重设计。COCO实验仅提升0.4AP，未达1.0。13.在边缘端部署YOLOv5s，下列优化手段可直接降低推理延迟A.将SiLU替换为ReLU6B.使用SPDF（SpatialPyramidDilatedFusion）C.开启TensorRTDLAD.采用KnowledgeDistillation答案：A、C解析：ReLU6在DSP端无exp，提速明显；DLA硬件加速。SPDF增加计算；蒸馏提升精度但不降延迟。14.关于NeRFOSR（NeRFforObjectShapeReconstruction），其损失函数包含A.RGBL2B.MaskBCEC.DepthSmoothD.Eikonal答案：A、B、D解析：NeRFOSR引入mask监督；Eikonal约束SDF梯度模长；DepthSmooth为表面重建网络常用，但NeRFOSR原文未采用。15.在DeepSORT中，下列度量可同时用于级联匹配A.IoUDistanceB.CosineReIDDistanceC.MahalanobisDistanceD.GIOU答案：A、B、C解析：级联先Mahalanobis+ReID，再IoU。GIOU未在DeepSORT源码出现。三、填空题（每空2分，共20分）16.在DeformableDETR中，若编码器层数为6，每层参考点数为N=300，特征维度256，则一次前向所有编码器层偏移量参数量为________万。答案：92.16解析：偏移量=2×N×256×6=921600，除以10000得92.16万。17.假设使用FocalLoss处理前景/背景比1:100，γ=2，α=0.25，则背景样本的相对权重为________（保留3位小数）。答案：0.004解析：背景权重=(1α)·(1pt)^γ，pt≈0.99，(1pt)^2≈0.0001，再乘0.75得7.5e5，但相对前景α·(1pt)^2≈0.25×0.0001=2.5e5，比值≈3，归一化后背景权重≈0.004。18.在HRNet中，若高分辨率分支保持1/4输入尺寸，则其横向连接使用________卷积对齐通道数。答案：1×1解析：HRNet使用1×1卷积统一通道后再融合。19.将RGB图像转换为Lab颜色空间后，若L通道均值低于________，则触发低照度增强分支（保留整数）。答案：60解析：实验统计，当L<60时人眼感知偏暗，主流低照度数据集采用该阈值。20.在MMSegmentation框架中，若采用UperHead，其PPM池化输出尺度为________个。答案：4解析：PPM采用1,2,3,6四种尺度。21.若使用RandAugment，默认幅度M=10，则最大旋转角度为________度。答案：30解析：RandAugment幅度10对应旋转±30°。22.在TensorFlowLiteGPUdelegate中，若算子STRIDED_SLICE的stride[3]>1，则必须满足维度________为1才能执行。答案：batch解析：GPUdelegate对batch维度>1的strided_slice不支持。23.在OpenCV中，使用cv::cuda::createBackgroundSubtractorMOG2历史帧数默认值为________。答案：500解析：源码默认history=500。24.在PyTorch中，若采用torch.cuda.amp自动混合精度，当loss_scale<________时触发跳过更新。答案：1解析：GradScaler在scale<1时认为下溢，跳过。25.在Kinetics400预训练I3D中，输入clip为64帧，则时间感受野为________帧。答案：102解析：I3D3D卷积堆叠，感受野=1+2×(31)×5=102。四、判断题（每题1分，共10分，正确打“√”，错误打“×”）26.ConvNeXtV2将激活函数从GELU替换为ReLU后，ImageNetTop1提升0.3%。答案：×解析：ConvNeXtV2采用GlobalResponseNormalization，ReLU替换导致下降0.4%。27.在DINO中，教师网络输出使用Centering而非Sharpening，可防止模型崩溃。答案：√解析：Centering去均值，减少平凡解；Sharpening易过自信。28.当使用CutBlur增强时，需同步修改分割标签的对应区域。答案：√解析：CutBlur将图像块与模糊块交换，标签需一致交换。29.在MMDetection中，ATSS的anchor数与RetinaNet相同。答案：×解析：ATSS根据统计自适应选择topkanchor，数量动态变化。30.将BatchNorm替换为GroupNorm后，模型在batch_size=1时仍可训练。答案：√解析：GroupNorm与batch无关。31.在NeRF中，若positionalencodingL=10，则输入维度变为60。答案：√解析：3×(2×10)+3=63，但原文去掉常数项为60。32.使用RAFT估计光流时，若corr_radius=4，则相关体大小为9×9。答案：√解析：radius=4，边长=2×4+1=9。33.在Cityscapes上，DeepLabV3+采用output_stride=16训练，测试时改为8可提升mIoU>1.0。答案：√解析：测试时更大特征图细化边缘，提升1.2。34.在TorchScript中，若模型包含grid_sample，需设置opset_version=11才能导出。答案：×解析：grid_sample在opset=9已支持。35.当使用TeslaV100训练FP16模型时，TensorCore利用率与通道数是否为8的倍数无关。答案：×解析：TensorCore要求通道数为8倍数，否则降速。五、简答题（每题8分，共24分）36.描述DeformableAttention相对标准MultiHeadAttention在计算复杂度上的优势，并给出复杂度公式。答案：标准MHA复杂度为O(HWN²C)，DeformableAttention通过固定采样点K（K≈4）将复杂度降至O(HWKC)，与空间尺寸N无关。公式：DeformableAttentionFLOPs=2HWK²C+HWKC，其中K为采样点数，C为通道数。解析：标准MHA需计算N×N注意力矩阵，N大时显存爆炸；Deformable仅计算参考点与K个偏移点，线性增长。37.说明在自监督框架SimSiam中，StopGradient操作如何防止模型崩溃，并画出前向与反向流向示意图（文字描述）。答案：StopGradient将预测网络支路的梯度截断，使两支路不对称。前向：view1→encoder→projector→predictor→与view2支路特征求余弦损失；反向时，predictor梯度仅回传至view1支路，view2支路参数由view1梯度更新，反之亦然。两支路轮流担任“教师”，避免平凡解。解析：若不禁梯度，两支路会快速一致，输出常数；StopGradient引入“延迟”更新，形成隐式对比。38.列举三种可用于边缘端实时人像分割的轻量化技巧，并给出在RK3588上的实测加速比（NPU@1TOPS）。答案：1.将3×3深度可分离卷积替换为GhostModule，加速比1.8×；2.采用BiSeNetV2的DetailGuidance，低分辨率分支共享，加速比2.1×；3.使用NPUint8量化+relu6融合，加速比3.2×。解析：RK3588NPU对深度可分离卷积友好，Ghost减少乘法；DetailGuidance减少高分辨率计算；int8量化带宽减半。六、计算与推导题（共31分）39.（10分）给定一个单目相机，焦距f=800px，主点(cx,cy)=(640,360)，图像中检测到人眼瞳孔直径为d=60px，已知成人瞳孔真实直径D=6mm，求相机到人眼的距离Z。答案：由相似三角形：d/D=f/Z→Z=f·D/d=800×6/60=80mm=0.08m。解析：单位统一，d、px与f同单位消去，得Z=0.08m。40.（10分）在MaskRCNN中，若RoI尺寸为7×7，mask分支使用4×4卷积核，步长1，填充1，输出通道为80类，则该层参数量与FLOPs分别为多少？答案：参数量=4×4×256×80=327680；FLOPs=4×4×256×80×7×7=10321600。解析：输入通道256来自RoIAlign，输出80类mask；FLOPs考虑空间尺寸。41.（11分）考虑一个4层金字塔特征{P2,P3,P4,P5}，通道数均为256，使用FPN+PAN结构，求整个Neck部分可学习参数量（不含BN）。答案：FPN：3层1×1横向连接+3层3×3融合卷积→(1×1×256×256+3×3×256×256)×3=2359296；PAN：同样结构×2（自顶向下+自底向上）→2×2359296=4718592；总计=7077888。解析：每层横向1×1保持通道，3×3用于平滑；PAN重复两次。七、编程题（共30分）42.阅读下列PyTorch代码片段，补全空缺部分，实现“在线难例挖掘OHEM”交叉熵损失，要求支持多分类，topk比例k=0.7。```pythonimporttorchimporttorch.nnasnnclassOHEMLoss(nn.Module):def__init__(self,k=0.7):super().__init__()self.k=kself.ce=nn.CrossEntropyLoss(reduction='none')defforward(self,pred,target):loss=self.ce(pred,target)[N]___(a)____,idx=torch.sort(loss,descending=True)num=int(self.kloss.numel())keep=idx[:num]return___(b)___```答案：(a)空：无需额外操作(b)空：loss[keep].mean()解析：先计算逐样本loss，排序后取topk难例，再平均。保持梯度回传。43.使用OpenCVPython编写函数，实现“自适应阈值Canny”，即根据图像梯度直方图自动确定高低阈值，函数签名为：```pythondefauto_canny(image,sigma=0.33):返回单通道边缘图```答案：```pythonimportcv2importnumpyasnpdefauto_canny(image,sigma=0.33):gray=cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)iflen(image.shape)==3elseimagemed=np.median(gray)lower=int(max(0,(1.0sigma)med))upper=int(min(255,(1.0+sigma)med))edges=cv2.Canny(gray,lower,upper)returnedges```解析：以梯度中位数为基准，sigma控制阈值区间，避免人工调参。44.使用PyTorch实现“通道级DropBlock”，要求支持2D与3D特征，drop_prob=0.2，block_size=5。答案：```pythonimporttorchimporttorch.nnasnnclassDropBlock2D(nn.Module):def__init__(self,drop_prob=0.2,block_size=5):super().__init__()self.drop_prob=drop_probself.block_size=block_sizedefforward(self,x):ifnotself.trainingorself.drop_prob==0:returnxgamma=self.drop_prob/(self.block_size2)mask=torch.rand(x.shape[0],1,x.shape[2:],device=x.device)<gammamask=mask.to(x.dtype)block_mask=1nn.functional.max_pool2d(mask,kernel_size=self.block_size,stri