2025年(人工智能工程师)计算机视觉基础试题及答案

2025年(人工智能工程师)计算机视觉基础试题及答案一、单项选择题（每题2分，共20分）1.在YOLOv5中，下列哪一项不是其Head部分新增的结构？A.SPPFB.PANetC.Detect层中的anchorfree分支D.GhostConv答案：D解析：GhostConv是轻量化网络GhostNet提出的模块，YOLOv5官方主干仍使用C3与标准Conv，并未引入GhostConv。2.使用OpenCV的cv2.resize进行双线性插值时，默认的插值标志是：A.INTER_NEARESTB.INTER_LINEARC.INTER_CUBICD.INTER_LANCZOS4答案：B解析：OpenCV文档写明，当interpolation参数缺省时，resize函数自动取INTER_LINEAR。3.在卷积神经网络中，若输入特征图为256×256×64，采用64个3×3卷积核、stride=1、padding=1，输出特征图尺寸为：A.256×256×64B.254×254×64C.258×258×64D.128×128×64答案：A解析：padding=1保证“same”卷积，高宽不变；通道数等于卷积核数量64。4.BatchNorm在训练阶段统计running_mean时，动量momentum典型取值为0.1，其含义是：A.新batch均值占90%，历史占10%B.新batch均值占10%，历史占90%C.直接替换历史均值D.与lr成反比答案：B解析：running_mean=(1momentum)history+momentumnew_batch，故0.1表示新数据权重仅10%。5.在双目立体匹配中，常用“赢家通吃”WTA策略计算视差，其本质是：A.对代价体积做softmaxB.对每个像素选最小代价值对应的dC.用SGM做全局优化D.用深度学习回归连续视差答案：B解析：WTA（WinnerTakesAll）即逐像素argmin，选择代价最小的离散视差。6.使用FocalLoss时，若γ=0，则损失退化为：A.标准交叉熵B.DiceLossC.带权交叉熵D.KL散度答案：A解析：γ=0时调制因子(1p)^γ=1，仅剩−α_tlog(p_t)，即平衡交叉熵；若α_t再为1，则完全等价于标准CE。7.在Transformer的Encoder中，MultiHeadAttention后接的子层是：A.另一个MultiHeadAttentionB.Add&Norm→FeedForwardC.FeedForward→LayerNormD.MaskedMultiHeadAttention答案：B解析：Encoder子层顺序：MultiHeadAttention→残差+LayerNorm→FeedForward→残差+LayerNorm。8.使用MobileNetV3Small在ImageNet上训练时，官方输入分辨率是：A.192×192B.224×224C.256×256D.299×299答案：B解析：GoogleAutoML论文与开源代码均默认224×224。9.在mAP@0.5评价指标中，0.5指：A.分类阈值0.5B.IoU阈值0.5C.置信度阈值0.5D.NMS阈值0.5答案：B解析：mAP@0.5表示计算AP时，正样本判定要求检测框与GT的IoU≥0.5。10.使用TensorRT对FP32模型做INT8量化时，必须提供的组件是：A.校准数据集B.QAT权重C.ONNXIRv4D.TensorFlowSavedModel答案：A解析：PTQ（PostTrainingQuantization）需校准集统计激活动态范围；QAT虽可替代，但非“必须”。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目标检测中正负样本极度不均衡？A.FocalLossB.OHEMC.DataAugmentation（Mosaic）D.SoftNMS答案：A、B解析：FocalLoss与OHEM直接重采样或重加权；Mosaic增强虽提升鲁棒性，但不直接解决失衡；SoftNMS降低高置信度误杀，亦无关失衡。12.关于VisionTransformer（ViT）说法正确的是：A.patchsize越小，计算量呈平方增长B.位置编码可学习也可手工C.分类token在最后一层直接接MLPHeadD.必须使用LayerNorm前置（PreNorm）答案：A、B、C解析：ViT官方采用PreNorm，但研究也验证PostNorm可行，故D非必须。13.在图像分割任务中，DiceLoss相比交叉熵优点包括：A.对前景像素数量不敏感B.可直接优化评价指标C.天然抑制背景梯度D.与FocalLoss互斥答案：A、B、C解析：DiceLoss与FocalLoss可加权组合，非互斥。14.使用PyTorch导出ONNX时，下列哪些算子可能在TorchScript跟踪阶段失败？A.条件分支iftensor.shape[0]>0B.动态for循环依赖tensor值C.nn.Conv2dD.torch.nonzero后接view答案：A、B、D解析：Conv2d为静态算子，无动态控制流，导出稳定；其余三项含动态行为，需script模式或改写。15.在边缘设备部署时，INT8量化可能带来的副作用有：A.精度下降B.推理延迟反而升高C.层融合受限D.模型体积增大答案：A、B、C解析：INT8体积减半；若GPU未支持INT8TensorCore，延迟可能升高；某些算子（如sigmoid）融合受限。三、填空题（每空2分，共20分）16.在经典Harris角点检测中，自相关矩阵M的特征值λ1、λ2均较大时，对应像素点被称为________。答案：角点解析：Harris根据λ1、λ2大小区分边缘、角点、平坦区。17.若使用4×4的输入特征图，经过2×2最大池化、stride=2、padding=0，输出尺寸为________。答案：2×2解析：(4−2)/2+1=2。18.在BatchNorm参数中，可学习参数γ与β的维度与________维度相同。答案：通道（C）解析：BN沿(N,H,W)求均值，每个通道独立仿射。19.在FasterRCNN中，RPN生成的anchor经前景阈值0.7与背景阈值0.3筛选后，再采样共________个anchor用于训练。答案：256解析：论文设定前景128、背景128，共256。20.使用双线性插值旋转图像时，OpenCV默认边界填充模式为________。答案：BORDER_CONSTANT（黑边）解析：未指定borderMode时，cv2.warpAffine取BORDER_CONSTANT，填充0。21.在语义分割评价中，mIoU计算公式为________。答案：\(\frac{1}{C}\sum_{i=1}^{C}\frac{TP_i}{TP_i+FP_i+FN_i}\)解析：C为类别数，含背景常单独计算。22.若学习率调度采用cosineannealing，初始lr=0.1，周期T=100，则第50epoch的lr为________。答案：0.05解析：cosine曲线在T/2处降至一半。23.在CenterNet中，中心点热图使用的损失函数是________。答案：FocalLoss的变体（ModifiedFocalLoss）解析：中心点视为高斯热图，正样本权重用(1−y)^β抑制。24.使用TensorBoard记录图像时，默认最多显示________张。答案：4解析：writer.add_images限制默认4张，可手动改sample_size。25.在MobileNetV2中，bottleneck的扩张因子t通常取________。答案：6解析：论文实验t=6在准确与延迟间折中。四、判断题（每题1分，共10分；正确打“√”，错误打“×”）26.L1正则化比L2更易产生稀疏权重。答案：√解析：L1在0处不可导，几何解在轴上，天然稀疏。27.在YOLOv3中，anchor尺寸通过kmeans在COCO上聚类得到，类别数k=9。答案：√解析：YOLOv3分3尺度，每尺度3anchor，共9。28.ReLU激活函数在负半轴梯度为0，因此一定导致神经元永久死亡。答案：×解析：只有学习率极大或权重初始化极不合理时才“永久死亡”。29.使用MixUp数据增强时，标签也采用线性插值，可提升模型鲁棒性。答案：√解析：MixUp对图像与标签均插值，使决策边界更平滑。30.在Transformer中，位置编码去掉后，模型仍能保持图像分类精度不变。答案：×解析：ViT去掉位置编码后，Top1掉点约3%，顺序信息丢失。31.对灰度图使用直方图均衡化，其熵一定增大。答案：√解析：均衡化扩展动态范围，熵单调不减。32.在FPN中，高层特征图经过上采样后与低层特征做elementwiseadd，可提升小目标检测效果。答案：√解析：高语义+高分辨率融合，增强小目标。33.使用Adam优化器时，β1=0.9、β2=0.999为推荐默认值，无需再调。答案：√解析：原文实验覆盖多数任务，默认即最优。34.在实例分割中，MaskRCNN的mask分支使用sigmoid输出，每个像素多类softmax。答案：×解析：mask分支每类独立sigmoid，避免类间竞争。35.对视频做光流估计时，Farneback算法属于稀疏光流。答案：×解析：Farneback为稠密光流，LucasKanade才是稀疏代表。五、简答题（每题8分，共24分）36.描述非极大值抑制（NMS）在目标检测中的完整流程，并说明SoftNMS的改进思想。答案：流程：1）按置信度降序排列所有框；2）选最高置信度框，计算与其余框IoU；3）剔除IoU≥阈值的框；4）重复23直至无剩余框。SoftNMS改进：不直接剔除，而是将高IoU框的置信度按高斯或线性函数降低，保留更多定位准确的框，尤其密集场景提升召回。37.解释转置卷积（TransposedConvolution）产生“棋盘效应”的原因，并给出两种抑制方法。答案：原因：转置卷积的步长>1时，核权重与输入元素相乘的覆盖模式呈周期性不均，导致输出像素值呈现棋盘状高低交替。抑制：1）使用stride=1的转置卷积+上采样后插值，再经3×3卷积平滑；2）采用亚像素卷积（PixelShuffle）替代，先扩通道再重组，避免不均匀覆盖。38.列举三种常用的图像数据增强方式，并说明其针对的计算机视觉任务痛点。答案：1）RandomErasing：随机遮挡矩形区域，缓解过拟合，提升模型对遮挡鲁棒性，用于行人重识别；2）Albumentations的GridMask：结构化丢弃像素，兼顾遮挡与正则，用于分类；3）Mosaic（YOLOv5）：四图拼接，增加小目标与上下文，解决小目标样本不足。六、计算与推导题（共31分）39.（9分）给定3×3灰度图像I=[[1,2,1],[0,2,0],[1,2,1]]，使用Sobel算子Gx=[[1,0,1],[2,0,2],[1,0,1]]计算水平梯度，写出完整卷积结果（padding=0，stride=1）。答案：卷积核翻转180°后滑动，得：(1×(−1)+2×0+1×1+0×(−2)+2×0+0×2+1×(−1)+2×0+1×1)=0同理逐元素计算，最终输出：[[0,4,0]]解析：输出尺寸(3−3+1)=1×3，但水平边缘仅中间列有差异，故为[0,4,0]。40.（10分）假设某检测模型在单张图片上预测5个框，置信度与IoU（相对GT）如下表：框1：conf=0.9，IoU=0.81框2：conf=0.8，IoU=0.75框3：conf=0.7，IoU=0.60框4：conf=0.6，IoU=0.45框5：conf=0.5，IoU=0.30若采用IoU阈值0.5作为正样本判定，计算AP@0.5（假设仅1个GT）。答案：排序后依次判断TP/FP：框1：TP框2：TP（重复GT，但仅1GT，故后续算FP）框3：FP框4：FP框5：FPRecall=[1,1,1,1,1]Precision=[1,1,0.67,0.5,0.4]AP=1×(1−0)=1解析：仅1GT，首次命中后召回恒1，AP=1。41.（12分）给定四通道特征图F∈ℝ^{H×W×4}，采用可分离卷积（Depthwise+Pointwise）输出8通道，卷积核3×3，padding=1，stride=1。1）计算理论FLOPs；2）若改用普通卷积，FLOPs增加多少倍？答案：1）Depthwise：H×W×3×3×4=36HWPointwise：H×W×1×1×4×8=32HW总计68HW2）普通卷积：H×W×3×3×4×8=288HW增加288/68≈4.24倍解析：可分离卷积将空间与通道解耦，计算量显著下降。七、编程实践题（共30分）42.（30分）请用PyTorch实现一个轻量级UNet，要求：a）编码器使用MobileNetV2的bottleneck（扩张率6，stride=2时下采样）；b）解码器用双线性上采样+拼接+普通3×3卷积；c）输入256×256×3，输出256×256×1（二分类分割）；d）写出完整前向代码并统计参数量。参考代码：```pythonimporttorch,torch.nnasnnimporttorchvision.modelsasmodelsdefconv_bn_relu(in_c,out_c,k=3,s=1,p=1):returnnn.Sequential(nn.Conv2d(in_c,out_c,k,s,p,bias=False),nn.BatchNorm2d(out_c),nn.ReLU6(inplace=True))classInvertedResidual(nn.Module):def__init__(self,in_c,out_c,s,expand=6):super().__init__()hidden=in_cexpandself.use_res=s==1andin_c==out_clayers=[]ifexpand!=1:layers+=[conv_bn_relu(in_c,hidden,1)]layers+=[conv_bn_relu(hidden,hidden,3,s,1,groups=hidden),depthwisenn.Conv2d(hidden,out_c,1,1,0,bias=False),nn.BatchNorm2d(out_c)]self.conv=nn.Sequential(layers)defforward(self,x):returnx+self.conv(x)ifself.use_reselseself.conv(x)classEnc(nn.Module):def__init__(self):super().__init__()self.head=conv_bn_relu(3,32,3,2,1)128self.b1=InvertedResidual(32,16,1,1)128self.b2=nn.Sequential(InvertedResidual(16,24,2,6),64InvertedResidual(24,24,1,6))self.b3=nn.Sequential(InvertedResidual(24,32,2,6),32InvertedResidual(32,32,1,6),InvertedResidual(32,32,1,6))self.b4=nn.Sequential(InvertedResidual(32,64,2,6),16InvertedResidual(64,64,1,6),InvertedResidual(64,64,1,6),InvertedResidual(64,64,1,6))defforward(self,x):x=self.head(x)x1=self.b1(x)x2=self.b2(x1)x3=self.b3(x2)x4=self.b4(x3)returnx1,x2,x3,x4classDec(nn.Module):def__init__(self):super().__init__()self.up4=nn.Upsample(scale_factor=2,mode='bilinear',align_corners=False)self.c4=conv_bn_relu(64+32,32)self.up3=nn.Upsample(scale_factor=2,mode='bilinear',align_corners=False)self.c3=conv_bn_relu(32+24,24)self.up2=nn.Upsample(scale_factor=2,mode='bilinear',align_corners=False)self.c2=conv_bn_relu(24+16,16)self.up1=nn.Upsample(scale_factor=2,mode='bilinear',align_corners=False)self.c1=nn.C