2025年人工智能工程师计算机视觉考核试卷及答案

2025年人工智能工程师计算机视觉考核试卷及答案一、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，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。2.使用FocalLoss训练目标检测模型时，若γ=2，某正样本的预测概率p=0.9，则其损失值约为A.0.001  B.0.01  C.0.1  D.1答案：B解析：FocalLoss=−(1−p)^γ·log(p)=−(0.1)^2·log(0.9)≈0.01。3.在VisionTransformer中，位置编码采用二维正弦余弦函数而非可学习参数的主要优点是A.减少显存占用  B.支持任意分辨率微调  C.提升收敛速度  D.增强非线性答案：B解析：正弦余弦编码具有外推性，可在不同分辨率间插值，无需重新训练。4.当使用DeepLabV3+时，若output_stride=16，则ASPP模块中3×3空洞卷积的dilationrate组合为A.6,12,18  B.12,24,36  C.6,12,18,24  D.1,6,12,18答案：A解析：output_stride=16时，标准ASPP采用6,12,18。5.在MMPose中，HRNetw32的“32”指A.网络深度  B.高分辨率分支宽度  C.最低分辨率分支宽度  D.参数量32M答案：B解析：HRNetw32表示高分辨率分支的宽度（通道数）为32。6.若将BatchNorm替换为GroupNorm，在训练batch_size=2的极端场景下，最可能观察到A.梯度爆炸  B.损失震荡  C.收敛变慢但稳定  D.显存占用下降答案：C解析：GroupNorm不依赖batch统计量，小batch下更稳定，但收敛速度略慢。7.在TensorRT8.6中，若某INT8量化层出现精度骤降，优先检查的校准算法是A.Entropy  B.Legacy  C.MinMax  D.Percentile答案：A解析：Entropy校准对长尾分布敏感，常导致精度下降，可尝试Percentile。8.使用RandAugment时，若M=10，N=2，则单张图像最大可能叠加的变换次数为A.2  B.10  C.20  D.100答案：A解析：N=2表示随机选2种变换，每种只应用一次。9.在CenterNet中，若heatmap峰值响应被NMS抑制，最可能原因是A.峰值小于阈值  B.高斯核σ过大  C.峰值间距小于3像素  D.学习率过高答案：C解析：CenterNetNMS采用3×3最大池化，间距小于3像素会被合并。10.将PyTorch模型导出ONNX后，若出现“Resize11”算子不支持，最简修复方案是A.降级opset=9  B.替换为adaptive_pool  C.固定输入尺寸  D.使用torch1.12答案：A解析：Resize11在opset=11引入，降级到opset=9可避开。二、多项选择题（每题3分，共15分）11.下列哪些操作会降低ViT的推理延迟（多选）A.将GELU替换为ReLU  B.使用LinearGQA  C.减少patchsize  D.采用Winograd卷积答案：A、B解析：GELU计算量大，ReLU更快；GQA减少KV头数，降低访存。patchsize减小反而增加序列长度；Winograd仅适用于CNN。12.关于Mask2Former，下列说法正确的是（多选）A.支持实例、语义、全景三分支统一  B.使用learnablequery  C.训练时maskloss权重高于分类损失  D.解码器采用crossattention答案：A、B、D解析：maskloss权重通常0.5，低于分类1.0，C错误。13.在FP16混合精度训练时，下列哪些情况需手动放大梯度（多选）A.使用AdamW+clip_grad_norm  B.出现梯度下溢  C.损失缩放因子>8192  D.模型含LayerNorm答案：B、C解析：梯度下溢需lossscaling；缩放因子过大也需手动干预。14.下列哪些数据增强策略对小目标检测有效（多选）A.Mosaic  B.CopyPaste  C.RandomCrop  D.MixUp答案：A、B、C解析：Mosaic与CopyPaste增加小目标正样本；RandomCrop可裁剪出小目标。MixUp对定位精度不利。15.在部署阶段，下列哪些技术可缓解模型漂移（多选）A.TestTimeAugmentation  B.ExponentialMovingAverage  C.OnlineHardExampleMining  D.DomainspecificBN答案：A、D解析：TTA提升鲁棒性；DomainBN缓解域漂移。EMA与OHEM属训练阶段。三、填空题（每空2分，共20分）16.在SwinTransformer中，连续两个ShiftedWindow之间的偏移量为________像素。答案：⌊M/2⌋，其中M=7，故填3。17.若RetinaNet的anchor面积设置为32²到512²，共5级，则面积增长因子为________。答案：2。解析：512÷32=16，16^(1/4)=2。18.使用TensorRT的INT8校准，若校准集图片不足，导致KL散度大于________bit，则判定校准失败。答案：0.1。解析：官方建议KL<0.1bit。19.在OpenCV中，cv2.remap的插值方式INTER_LINEAR对应的枚举值为________。答案：1。20.当使用PyTorch的torchvision.ops.nms，若IoU阈值设为0.6，则重叠度大于0.6的框会被________。答案：抑制（或丢弃）。21.在MMDetection配置中，optimizer_config的grad_clip字段若设置dict(max_norm=35,norm_type=2)，表示采用________范数裁剪。答案：L2。22.若EfficientNetB0的compoundcoefficientφ=1，则深度倍率为________。答案：1.2^φ=1.2。23.在DINO中，teacher模型的EMA更新系数默认随训练进程从________线性升至1。答案：0.996。24.使用ONNXRuntimeGPU推理时，若provider选“CUDAExecutionProvider”，需先调用________接口绑定显存。答案：IOBinding。25.在Cityscapes数据集上，DeepLabV3+×ception模型输出stride=16，需将预测上采样________倍至原图。答案：16。四、判断题（每题1分，共10分）26.DeiT引入distillationtoken后，分类头仅对clstoken做softmax。答案：错。解析：DeiT对clstoken与distillationtoken分别预测，再融合。27.在YOLOv5中，SPPF模块相比SPP，在相同感受野下计算量更低。答案：对。解析：SPPF用串行MaxPool，减少重复卷积。28.使用Albumentations时，DualTransform可同时处理图像与mask，但无法处理bboxes。答案：错。解析：DualTransform支持mask，BboxTransform支持bboxes。29.在MMRotate中，旋转框的表示方式默认是“xywhθ”，θ∈[−90°,0°)。答案：对。30.当使用PyTorch的DataLoader，num_workers>0时，多进程启动方式在Windows默认为spawn。答案：对。31.在VisionTransformer中，patchembedding的卷积核大小必须等于patchsize。答案：错。可用stride=patchsize，核可更大。32.若将ReLU替换为SiLU，模型MACs不变，但激活显存占用增加。答案：错。SiLU需保存输入用于反向，显存略增，但MACs相同。33.在CenterNet2中，采用DIoU损失替代L1损失，可直接提升AP0.5。答案：错。DIoU主要提升AP0.75与AR。34.使用TorchScript导出模型时，tracing无法处理控制流，scripting可以。答案：对。35.在MMDeploy中，若后端为ncnn，则必须将模型转换为ONNX中间格式。答案：错。ncnn可直接转换PyTorch→param/bin。五、简答题（每题8分，共24分）36.描述DeformableDETR中multiscaledeformableattention的计算流程，并说明其复杂度相对原始DETR的改进。答案：1.对多尺度特征图{F_l}，每个查询q采样K个偏移点，偏移量由线性层预测并归一化到[0,1]。2.采用双线性插值获取采样点特征，并通过attention权重加权求和。3.复杂度从O(HW·N_q)降至O(K·N_q)，K≈4，与特征图尺寸无关，显存下降约80%，训练速度提升5×。37.给出在JetsonOrinNano上部署YOLOv8s的完整优化链路，含量化、图优化、内存池配置，并说明各环节收益。答案：1.训练后量化：使用NVIDIA的PTQwithpercentile=99.99%，INT8精度下降0.3mAP。2.TensorRT8.6：启用DLAcore0加载FP16backbone，GPU加载INT8head，延迟从42ms降至19ms。3.图优化：fuseconv+bn+relu，生成engine时开启preview=fp16+int8，减少kernellaunch35%。4.内存池：创建IGpuAllocator，预分配1GB固定显存，避免malloc碎片，端到端吞吐提升22FPS→31FPS。38.解释为何在自监督学习MAE中，maskratio高达75%仍有效，并给出两种可能的失效场景及对应缓解策略。答案：1.有效性：ViT的冗余性高，patch间相关性大，75%mask仍保留全局结构；decoder仅处理可见patch，计算量小，易优化。2.失效场景：a.细粒度分类（CUB200），mask过高丢失关键局部。策略：maskratio随训练逐步从30%升至75%。b.小目标检测，mask后目标完全不可见。策略：采用blockwisemask，确保目标至少保留一个完整patch。六、编程题（共41分）39.（13分）阅读下列YOLOv8s部分配置文件，补全缺失的anchor设置，并写出计算anchor与gt框匹配过程的Python伪代码（不含NMS）。配置片段：```yamlanchors:[10,13,16,30,33,23]P3/8[30,61,62,45,59,119]P4/16[___]P5/32```答案：缺失行：[116,90,156,198,373,326]伪代码：```pythondefassign_anchor(anchors,gts,thr=4.0):anchors:list[Tensor(K,2)],gts:Tensor(N,4)fori,ancinenumerate(anchors):wh_anc=anc.view(1,2)K,2wh_gt=gts[:,2:4].unsqueeze(1)N,1,2ratio=torch.max(wh_gt/wh_anc,wh_anc/wh_gt).max(1)[0]N,Kmatch=ratio<thrN,Kboolidx=torch.nonzero(match,as_tuple=False)[M,2]returnidx返回(N,K)匹配索引```40.（14分）给定一个自定义算子“DeformPSROIAlign”，输入特征图[N,C,H,W]、rois[N,5]、offset[N,2,K,H,W]，输出池化后特征[N,C,K,7,7]。请写出CUDAkernel的launch配置、线程索引映射，并计算共享内存需求。答案：launch配置：```cppdim3block(7,7,8);//7x7spatial,8channelsperblockdim3grid(NK,(C+7)/8);```线程索引：```cppintn=blockIdx.x/K;intk=blockIdx.x%K;intc0=blockIdx.y8;intph=threadIdx.x,pw=threadIdx.y;inttc=threadIdx.z;intc=c0+tc;```共享内存：每个线程块需缓存9×9输入区域（双线性插值），float大小=9×9×8×4B≈2.6KB，小于48KB上限。41.（14分）基于MMDetection框架，实现一个自定义数据增强“RandomPerspectiveRotate”，要求：1.同时处理img、bboxes、masks；2.旋转角度θ~U(−15°,15°)，透视系数p~U(0.8,1.2)；3.输出保持原图尺寸，空白区域用灰色填充。给出完整类代码与注册方式。答案：```pythonfrommmdet.datasets.transformsimportRandomAffineimportcv2importnumpyasnpfrommmcv.transformsimportBaseTransform,TRANSFORMS@TRANSFORMS.register_module()classRandomPerspectiveRotate(BaseTransform):def__init__(self,rotate_range=15,perspect_range=0.2,pad_val=114):self.rotate_range=rotate_rangeself.perspect_range=perspect_rangeself.pad_val=pad_valdeftransform(self,results):h,w=results['img_shape'][:2]angle=np.random.uniform(self.rotate_range,self.rotate_range)p=np.random.uniform(1self.perspect_range,1+self.perspect_range)透视矩阵pts1=np.float32([[0,0],[w,0],[w,h],[0,h]])pts2=pts1p+np.random.uniform(10,10,pts1.shape)M=cv2.getPerspectiveTransform(pts1,pts2)旋转中心center=(w//2,h//2)MR=cv2.getRotationMatrix2D(center,angle,1)MR=np.vstack([MR,[0,0,1]])组合M=M@MRwarpimg=cv2.warpPerspective(results['img'],M,(w,h),borderValue=(self.pad_val,)3)results['img']=imgwarpbboxesif'gt_bboxes'inresults:bboxes=results['gt_bboxes'].tensor.numpy()pts=self.bboxes2corners(bboxes)pts=cv2.perspectiveTransform(pts,M)bboxes=self.corners2bboxes(pts)results['gt_bboxes'].tensor=torch.from_numpy(bboxes)warpmasksif'gt_masks'inresults:masks=result