2025年人工智能工程技术师计算机视觉试题及答案

2025年人工智能工程技术师计算机视觉试题及答案一、单选题（每题2分，共20分）1.在YOLOv8中，若将输入图像从640×640放大到1280×1280，且保持anchorfree设计，下列哪一项最可能显著增加？A.正样本数量B.负样本数量C.回归分支的参数量D.NMS后处理耗时答案：D解析：分辨率翻倍后，预测框数量呈平方增长，NMS需比较更多框，耗时显著上升；YOLOv8已取消anchor，正样本由中心度动态分配，数量不会线性增加。2.使用MobileNetV3Small作为backbone时，若将SE模块全部移除，在ImageNet上的Top1准确率大约下降：A.0.2%B.1.5%C.3.8%D.6.1%答案：C解析：官方消融实验显示，SE对MobileNetV3Small贡献约3.8%，移除后精度损失与通道缩减系数直接相关。3.在双目立体匹配中，采用Census变换+Hamming距离计算匹配代价，其最主要优势是：A.对曝光差异鲁棒B.支持亚像素精度C.可利用GPU并行D.对弱纹理区域敏感答案：A解析：Census为相对序编码，对光照线性变化不敏感，因而在左右相机曝光不一致时仍稳定。4.将VisionTransformer的PatchSize从16改为8，若保持模型层数不变，则序列长度与FLOPs的变化关系为：A.长度×2，FLOPs×2B.长度×4，FLOPs×4C.长度×4，FLOPs×8D.长度×4，FLOPs×16答案：C解析：序列长度与像素数成正比(4×)，自注意力FLOPs与序列长度平方成正比，故总FLOPs≈4²=16倍，但线性投影层仅与序列长度线性相关，综合约8倍。5.在CenterNet中，若heatmap分支的σ固定为2.0，而将目标高斯核半径从自适应R改为固定R=4，对远距离小目标的召回率影响：A.提升B.降低C.不变D.先升后降答案：B解析：固定小半径导致高斯覆盖不足，远距离目标中心点热值过低，易被漏检。6.使用MixUp增强时，若α=β=0.2，则两张图像按lambda混合，其标签向量应：A.直接取lambda与1lambda的硬标签B.采用softlabel并加权交叉熵C.只保留lambda>0.5的类别D.强制onehot后再平滑答案：B解析：MixUp产生连续分布标签，需用交叉熵对软标签求梯度，否则等价于错误监督。7.在TensorRT中，若某INT8量化层出现poweroftwoscale，则其权重缩放因子必须是：A.2^7B.2^4C.2^0D.任意2^k答案：D解析：TensorRT允许任意2^k作为缩放因子，硬件通过位移实现，无需乘法。8.将BatchNorm替换为GroupNorm（group=32）后，下列哪种batchsize最可能训练失败？A.1B.8C.32D.128答案：A解析：GroupNorm在batch=1时依然稳定，但batch=1且group=32时若通道数<32，则group内无足够通道，统计量退化，训练崩溃。9.在Mosaic数据增强中，将四张图拼成一张，若保持原图分辨率不变，则单张图像有效感受野：A.缩小一半B.不变C.扩大一倍D.扩大四倍答案：C解析：网络输入等效视野扩大两倍（宽高各×2），故感受野约扩大一倍。10.使用RandAugment时，若Magnitude=10，则下列哪种变换幅度绝对值最大？A.旋转B.色度C.锐度D.对比度答案：A解析：旋转幅度在RandAugment中可至30°，远高于色度±0.2、锐度0.9~1.1、对比度0.6~1.4。二、多选题（每题3分，共15分，多选少选均不得分）11.关于DeiT（DataEfficientImageTransformer）的蒸馏策略，下列说法正确的是：A.使用softtoken蒸馏B.教师模型为RegNetY16GFC.学生无distillationtoken仍可收敛D.蒸馏损失权重随epoch衰减答案：A、B解析：DeiT引入distillationtoken，教师用RegNetY16GF；无token时精度下降约0.5%；蒸馏权重固定0.5，不衰减。12.在FP16训练中出现lossscale=65536仍梯度下溢，可采取：A.启用BF16B.动态lossscaling上限调至2^24C.改用FP32BND.梯度裁剪范数减半答案：A、B、C解析：BF16动态范围与FP32一致；动态scaling上限提高可继续放大；FP32BN避免累积下溢；裁剪范数与下溢无关。13.关于MaskRCNN的RoIAlign，下列说法正确的是：A.双线性插值采样点可学习B.对齐方式消除量化误差C.反向传播时梯度可传至亚像素坐标D.采样点数量与poolsize平方成正比答案：B、C、D解析：采样点坐标固定，不可学习；其余三项均正确。14.在知识蒸馏中，若教师为Ensembleof3models，学生为Singlemodel，下列技巧可提升KD效果：A.对教师logits做温度平滑B.引入featuremap蒸馏C.教师预测做majorityvote后蒸馏D.使用不同温度分别蒸馏每个教师答案：A、B、D解析：majorityvote后信息熵降低，蒸馏信号变弱；分别蒸馏可保留多样性。15.在自动驾驶视觉感知中，使用多相机BEVFormer时，为减少crossviewoverlap歧义，可：A.引入cameraawarepositionalembeddingB.在BEVquery初始化时加入cameraintrinsicsC.对重叠区域query做nonmaximumsuppressionD.采用deformableattention限定感受野答案：A、B、D解析：NMS在query层不可微，无法端到端；其余三项均有效。三、填空题（每空2分，共20分）16.在SwinTransformer中，连续两个ShiftedWindowAttention层构成一个________，其作用是使跨窗口信息在________次注意力内交互。答案：SwinTransformerBlock；两解析：先常规窗口，后shifted窗口，两次即可覆盖全局。17.使用FocalLoss时，若γ=2，α=0.25，则当pt=0.1时，相对CE的权重放大倍数为________。答案：≈28.1解析：(1pt)^γ=0.9^2=0.81，αt=0.25，FL权重=0.25×0.81/0.1=2.025，CE权重=1，放大2.025/0.1≈20.25，再考虑pt=0.1时CE梯度1/pt=10，综合≈28.1。18.在TensorFlowLite中，若使用UINT8量化，则zeropoint为135，scale=0.047，则浮点值0.5对应的量化值为________。答案：124解析：q=round(0.5/0.047+135)=round(10.64+135)=124。19.将EfficientNetB0的resolution从224提升到384，若保持深度与宽度不变，则理论FLOPs增加倍数为________。答案：≈2.94解析：FLOPs∝resolution²，(384/224)²≈2.94。20.在CenterTrack中，若上一帧heatmap最大响应置信度为0.6，当前帧为0.8，则两帧关联的cost矩阵中，该目标对应项默认cost=________。答案：0.8解析：CenterTrack采用负置信度作为cost，越低越可能匹配。21.使用RandLANet时，若采样率保持0.25，点云从8192降采样至________点进入局部特征聚合模块。答案：2048解析：8192×0.25=2048。22.在PPYOLOE中，将anchorfree的assign方式从ATSS改为OTA，若训练集小目标占比提升，则正样本候选框数量将________。答案：增加解析：OTA采用动态topk，小目标增多时k增大。23.在DINO中，教师EMA更新公式θt←mθt+(1m)θs，若m=0.996，则学生权重需经过约________次迭代才能覆盖教师权重的90%。答案：575解析：1(1m)^k≥0.9⇒k≥ln(0.1)/ln(0.004)≈575。24.使用NCNN部署时，若某卷积层输入通道为3，输出通道为32，kernel=3×3，则该层理论MAC数为________。答案：2592解析：3×3×3×32=864，MAC=乘法+加法=864×2=1728，但NCNN将bias合并，MAC=864×3=2592（含im2col）。25.在Cityscapes上，若DeepLabV3Plus的outputstride=16，则ASPP模块中3×3空洞卷积rate=________时理论感受野最大。答案：36解析：rate=24时RF=571，rate=36时RF=859，为最大可用rate。四、判断题（每题1分，共10分，正确打“√”，错误打“×”）26.VisionTransformer的位置编码去掉后，模型在图像分类任务上仍可收敛，但精度下降约3%。答案：√解析：实验表明可收敛，但缺绝对位置信息，精度下降。27.在YOLOv5中，使用SiLU激活函数相比Swish在CPU端推理延迟更低。答案：×解析：SiLU即Swish，仅命名不同，延迟一致。28.将BatchNorm的ε从1e5改为1e3可缓解FP16训练中的梯度爆炸问题。答案：×解析：ε增大反而使方差估计偏大，梯度更小，与爆炸无关。29.在MMDetection框架中，CascadeRCNN的IoU阈值逐级提升，可有效减少closefalsepositive。答案：√解析：逐级提高IoU阈值，使proposal质量逐步提升。30.使用CutMix时，若lambda=0.5，则标签面积比例与像素面积比例严格相等。答案：√解析：CutMix按像素面积加权，严格相等。31.在PaddleClas中，将SE模块放在Depthwise卷积之前可获得更高精度。答案：×解析：官方实验表明放在之后更好，因可捕获全局信息再激励。32.在ONNX导出过程中，若模型包含GridSample算子，opset版本必须≥16。答案：√解析：GridSample在opset16才正式支持。33.将EfficientDetD0的BiFPN层数从3减至2，参数量下降约25%。答案：√解析：BiFPN占参数量大，减少一层约降25%。34.在FairMOT中，ReID分支采用128维嵌入比256维在MOTA上更高。答案：×解析：128维轻量但MOTA略低，256维更优。35.使用RandAugment时，对医学影像任务应禁用rotate变换。答案：√解析：医学影像方向敏感，rotate破坏语义。五、简答题（每题8分，共24分）36.描述DeformableDETR中multiscaledeformableattention的计算流程，并说明为何其复杂度与像素数呈线性而非平方关系。答案与解析：流程：1)对多尺度特征图{Fl}，每个queryq生成3LK个偏移量Δp与权重A；2)采用双线性插值在Fl上采样LK个位置，无需遍历全图；3)加权求和得输出。复杂度：采样点数量LK为常数（通常4或8），与特征图大小无关，故复杂度O(HW)而非O((HW)²)。37.给定一个已训练好的FP32语义分割模型，需在边缘GPU上实现INT8量化，请列出完整校准流程，并指出如何验证量化后mIoU下降<1%。答案与解析：流程：1)准备500张代表性校准图（覆盖所有类别）；2)使用TensorRT的entropy校准器收集激活直方图；3)生成校准表，构建INT8引擎；4)在验证集上运行INT8引擎，计算mIoU；5)若下降>1%，采用QAT微调：加载FP32权重，插入FakeQuantize，训练10epoch，学习率1e4，再导出INT8。验证：对比FP32与INT8预测mask，逐类计算IoU，确保ΔmIoU<1%。38.说明BEVFormer中crossviewhybridattention的两种注意力机制如何协同，并解释为何在nuscenes上其NDS比LSS高2.5%。答案与解析：机制：1)ReferencePointsAttention：在BEV平面生成3D参考点，通过相机内外参投影到多视图图像，采样对应特征；2)SpatialCrossAttention：在投影位置周围采用deformableattention聚合多尺度图像特征。协同：参考点提供几何先验，crossattention自适应学习局部相关性，减少遮挡与视差误差。NDS提升：LSS采用liftsplat的1×1卷积累积深度分布，边缘深度不准；BEVFormer直接利用attention对齐，减少深度估计误差，故mATE下降，NDS提升2.5%。六、编程题（共41分）39.（13分）请用PyTorch实现一个可微分的SoftNMS，要求：输入：boxes(Tensor[N,4])、scores(Tensor[N])、sigma=0.5、iou_threshold=0.7、score_threshold=0.1。输出：keep索引列表。答案：```pythonimporttorchdefsoft_nms(boxes,scores,sigma=0.5,iou_threshold=0.7,score_threshold=0.1):keep=[]idx=scores.argsort(descending=True)whileidx.numel()>0:i=idx[0]keep.append(i)ifidx.numel()==1:breakiou=box_iou(boxes[i].unsqueeze(0),boxes[idx[1:]])[0]weight=torch.exp((iouiou)/sigma)scores[idx[1:]]=scores[idx[1:]]weightidx=idx[1:]idx=idx[scores[idx]>score_threshold]returntorch.tensor(keep,dtype=torch.long)defbox_iou(a,b):area_a=(a[:,2]a[:,0])(a[:,3]a[:,1])area_b=(b[:,2]b[:,0])(b[:,3]b[:,1])inter_x1=torch.max(a[:,0].unsqueeze(1),b[:,0])inter_y1=torch.max(a[:,1].unsqueeze(1),b[:,1])inter_x2=torch.min(a[:,2].unsqueeze(1),b[:,2])inter_y2=torch.min(a[:,3].unsqueeze(1),b[:,3])inter_area=(inter_x2inter_x1).clamp(min=0)(inter_y2inter_y1).clamp(min=0)union=area_a.unsqueeze(1)+area_binter_areareturninter_area/union```解析：利用高斯权重衰减分数，全程可微，支持端到端训练。40.（14分）阅读下列ONNX模型片段，指出两处冗余算子并给出等效简化方案。片段：```%1=Conv(%input,%w1,%b1)%2=Relu(%1)%3=Conv(%2,%w2,%b2)%4=Relu(%3)%5=Add(%4,%input)residual%6=Relu(%5)```答案：冗余1：%2与%4的Relu可合并至卷积后，现代推理框架已支持Conv+Relu融合；冗余2：%6的Relu可与%5的Add融合为单一激活。简化：```%1=Conv(%input,%w1,%b1)%2=Conv(%1,%w2,%b2)%3=Add(%2,%input)%4=Relu(%3)```解析：减少两次内存写回，推理延迟下降约8%。41.（14分）给定一个自定义CUDA算子MyDeformConv，请补全下列Python绑定代码，使其支持梯度反向传播。提示：需实现grad_input、grad_weight、grad_bias。答案：```pythonimporttorchfromtorch.utils.cpp_extensionimportloaddeform_conv=load(name='my_deform_conv',sources=['my_deform_conv.cpp','my_deform_conv.cu'])classMyDeformConvFunction(torch.autograd.Function):@staticmethoddefforward(ctx,input,offset,weight,bias,stride,padding,dilation,groups,deformable_groups):output=deform_conv.forward(input,offset,weight,bias,stride,padding,dilation,groups,deformable_groups)ctx.save_for_backward(input,offset,weight,bias)ctx.stride,ctx.padding,ctx.dilation=