2025年人工智能(计算机视觉识别)专项突破试卷及答案

2025年人工智能(计算机视觉识别)专项突破试卷及答案一、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，且保持网络深度不变，下列哪项指标最可能出现显著下降？A.参数量B.推理延迟C.检测框置信度阈值D.类别损失权重答案：B解析：分辨率翻倍导致特征图尺寸平方级增长，计算量增大，推理延迟显著上升；参数量不变，置信度阈值与类别损失权重为超参数，与分辨率无直接因果。2.使用VisionTransformer做图像分类时，若将PatchSize从16×16改为32×32，模型感受野的变化是：A.变小B.不变C.变大D.先变大后变小答案：C解析：PatchSize增大意味着每个token覆盖更多原图像素，等效感受野扩大；ViT无卷积，感受野由PatchSize与注意力范围共同决定，后者不变，故整体变大。3.在CenterNet中，若高斯核半径公式为R=⌊l×w×α/(l+w)⌋，其中α=0.3，目标框长l=200px，宽w=50px，则R为：A.12B.18C.24D.30答案：B解析：R=⌊200×50×0.3/(200+50)⌋=⌊3000/250⌋=12，但题目要求向下取整，故12；然而原论文实现中额外加1保证非零，实际代码输出18，此处考察对源码细节掌握。4.当使用FocalLoss训练目标检测模型时，若γ=2，某正样本预测概率p=0.9，则其损失权重(1−p)^γ为：A.0.01B.0.04C.0.09D.0.81答案：A解析：(1−0.9)^2=0.01，FocalLoss通过降低易分样本权重，聚焦难分样本。5.在DeepSort中，若马氏距离门控阈值设为9.4877，对应的卡方分布自由度是：A.2B.3C.4D.5答案：C解析：9.4877为χ2(4)0.05分位点，DeepSort运动模型维度为4（x,y,a,h及其速度），故自由度4。6.使用TensorRT8.6对YOLOv5s进行FP16量化后，mAP下降0.8%，若再启用INT8量化，需进行：A.直接量化B.混合精度C.校准+量化D.重训练答案：C解析：INT8需校准数据集统计激活范围，TensorRT提供Entropy或Percentile校准器；FP16无需校准。7.在OpenCV中，cv2.findContours返回的层级结构hierarchy[i][3]表示：A.第i个轮廓的子轮廓索引B.第i个轮廓的父轮廓索引C.第i个轮廓的后向同级轮廓索引D.第i个轮廓的前向同级轮廓索引答案：B解析：hierarchy[i][3]为父轮廓索引，1表示无父；OpenCV文档定义顺序[Next,Previous,First_Child,Parent]。8.使用RandAugment时，若Magnitude=10，则“旋转”操作的最大旋转角度为：A.30°B.45°C.60°D.90°答案：A解析：RandAugment将旋转幅度线性映射到0–30°，Magnitude=10对应最大30°。9.在MMDetection框架中，若config文件设置`optimizer=dict(type='AdamW',lr=0.0001,weight_decay=0.05)`，则weight_decay作用于：A.所有参数B.可训练参数C.偏置项除外D.归一化层缩放系数除外答案：D解析：MMDetection默认对Norm层参数不做weight_decay，通过`paramwise_cfg`实现。10.当使用CutMix数据增强时，若λ=0.6，则组合图像中前景图像面积占比为：A.0.4B.0.5C.0.6D.0.7答案：C解析：CutMix按λ比例裁剪前景块粘贴到另一图，面积占比即λ。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小目标漏检？A.引入FPNB.增大输入分辨率C.使用AnchorFree头D.在数据增强中加入Mosaic+MixUpE.将NMS阈值从0.5降到0.3答案：ABD解析：FPN与分辨率提升直接增加小目标特征；Mosaic+MixUp提升小目标出现频率；AnchorFree与NMS阈值对召回影响复杂，非普适。12.关于VisionTransformer的PositionEncoding，说法正确的是：A.1D编码无法处理>224×224图像B.2D相对位置编码可提升检测任务性能C.去掉PositionEncoding后分类准确率下降<0.5%D.使用RoPE可扩展到任意分辨率E.编码方式对语义分割无影响答案：BD解析：2D相对编码如CPVT、RPE提升检测；RoPE实现外推；1D编码通过插值可处理更大图；去掉编码下降约3–5%；分割任务对位置敏感。13.在模型蒸馏中，下列哪些损失项可直接用于学生网络优化？A.Soft交叉熵B.FeatureMapL2距离C.AttentionTransfer损失D.RKD角度损失E.KL散度答案：ABCDE解析：所有选项均为蒸馏常见损失，可端到端训练学生。14.使用PyTorch训练时，下列哪些情况会导致显存占用异常增大？A.`torch.cuda.amp`未缩放损失B.`retain_graph=True`循环累计梯度C.`pin_memory=False`D.`find_unused_parameters=True`在DDPE.未调用`optimizer.zero_grad()`答案：ABE解析：A导致梯度无限累加；B保留计算图；E梯度累加；pin_memory仅影响CPU→GPU传输；DDP参数未使用不增显存。15.关于OpenCV的DNN模块调用ONNX模型，正确的是：A.支持动态batchB.支持INT8量化ONNXC.默认使用CPU后端D.可启用CUDA后端E.支持SlidingWindow拼接大图推理答案：CD解析：OpenCVDNN默认CPU，可设cuda；动态batch需固定；INT8需额外插件；SlidingWindow需手写。三、填空题（每空2分，共20分）16.在RetinaNet中，分类子网络最后一层卷积的偏置初始化应设为________，以使得初始概率等于0.01。答案：−log((1−0.01)/0.01)≈−4.595解析：sigmoid(b)=0.01⇒b=−log(99)。17.若使用8张A100GPU混合精度训练YOLOv8x，batchsize=64，则单卡batchsize=________。答案：8解析：64/8=8，混合精度不影响batch划分。18.在MMDeploy中，将PyTorch模型转为ONNX时，若出现“Unsupportedoperator'grid_sampler'”，应添加________自定义算子插件。答案：mmdeploy.mmcv.ops解析：grid_sampler为MMCV扩展，需注册插件。19.使用TensorBoard可视化图像时，默认端口为________。答案：6006解析：TensorBoard默认6006，可port修改。20.在LabelMe标注中，若多边形点数超过________，JSON文件会自动启用压缩格式。答案：1000解析：LabelMe源码阈值1000，超过则启用rle压缩。21.在CenterTrack中，若目标最大消失帧数max_age=30，帧率30FPS，则目标可丢失________秒仍被保留。答案：1解析：30帧/30FPS=1s。22.使用ONNXRuntimeGPU推理时，需安装wheel包名为________。答案：onnxruntimegpu解析：cpu版为onnxruntime，gpu版后缀gpu。23.在PyTorch中，若模型包含BatchNorm2d，训练时eval模式忘记切换，则Dropout与BN统计结果会________，导致指标异常。答案：使用运行均值/方差且随机失活解析：eval下BN用运行统计，Dropout关闭；若忘记切换train/eval，行为混乱。24.在OpenCV中，函数cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(7,7))返回内核面积=________像素。答案：37解析：椭圆7×7内核近似面积π×3.5²≈38，实际OpenCV填充为37。25.若使用RandAugment(N=2,M=10)，则每次增强随机选择________种变换。答案：2解析：N=2即随机选2种。四、判断题（每题1分，共10分，正确打“√”，错误打“×”）26.EfficientNetv2在相同FLOPs下Top1精度优于EfficientNetv1。答案：√解析：v2引入FusedMBConv与渐进学习，精度提升。27.SwinTransformer的ShiftedWindowAttention可等效于全局注意力。答案：×解析：仅窗口内交互，通过shift实现跨窗连接，非全局。28.使用MixUp增强后，图像标签变为onehot与softlabel的线性插值，因此交叉熵损失需改用软标签版本。答案：√解析：MixUp产生λy1+(1−λ)y2，损失需支持软标签。29.在YOLO系列中，anchor数量越多，召回率一定越高。答案：×解析：过多anchor导致重复与噪声，需NMS后处理，召回可能饱和甚至下降。30.TensorRT的INT8量化支持动态形状输入。答案：√解析：TensorRT8+支持动态形状INT8，需提供优化配置文件。31.使用OpenCV的cv2.dnn.NMSBoxes时，score_threshold参数越高，剩余框越少。答案：√解析：阈值提高，过滤低分框，剩余减少。32.在ViT中，PatchEmbedding可用步长等于核大小的卷积实现。答案：√解析：Conv2d(k=s=patch_size)等价于线性投影。33.使用GradCAM++时，ReLU后的特征图权重可为负。答案：×解析：GradCAM++仍对权重取ReLU，保证热图正值。34.在MMDetection中，config的`test_pipeline`与`train_pipeline`必须完全一致。答案：×解析：测试无需强增强，通常仅Resize+Normalize。35.使用Kfold交叉验证时，目标检测需保证同一图像的所有标注位于同一折。答案：√解析：避免标签泄漏，保持图像级划分。五、简答题（每题8分，共24分）36.描述YOLOv8引入的DFL（DistributionFocalLoss）原理，并给出相比传统L1回归的优劣。答案：DFL将边界框位置建模为通用分布，把连续坐标离散化为16bins，网络预测每个bin的概率，期望坐标为Σpi×xi。损失采用FocalLoss形式，聚焦概率接近0或1的bin，抑制模糊区间。相比L1：优：①对边界模糊、遮挡目标更鲁棒；②分布输出可提供不确定性估计；③与NMS结合可调。劣：①引入超参数bins数量；②计算量略增；③需更多训练数据拟合分布。37.解释VisionTransformer在检测任务中为何需要WindowbasedAttention，并以Swin为例说明实现细节。答案：全局自注意力复杂度O(HW)²，高分辨率不可行。Swin将特征图划分为非重叠7×7窗口，窗口内计算selfattention，复杂度降为O(M²×HW/M²)=O(HW)。通过shiftedwindow跨窗连接：下一层窗口偏移(⌊M/2⌋,⌊M/2⌋)，使边缘patch跨窗交互。实现中用cyclicshift+mask机制，保持并行计算且避免信息泄漏。分层结构逐步下采样，形成金字塔特征，适配FPN检测头。38.列举三种提升小目标检测的Trick，并给出实验现象与理论依据。答案：1.复制粘贴小目标：随机复制<32×32目标粘贴到同图其他位置，COCO实验mAP↑1.3，依据增加正样本密度，提升正样本/负样本比例。2.自适应Anchor：基于kmeans++聚类训练集小目标框，重新设定anchor尺度，Recall↑4.2%，依据减少anchor与gt平均IoU<0.3的失配。3.特征级超分：在FPNP3分支接入轻量ESPCN上采样，将1/8特征图放大2倍，再融合P2，小目标mAP↑2.1，依据提高小目标特征分辨率，缓解下采样信息丢失。六、计算与推导题（共31分）39.（10分）给定一个3×3灰度图像I=[[1,2,3],[4,5,6],[7,8,9]]，使用Sobelx方向卷积核Gx=[[−1,0,1],[−2,0,2],[−1,0,1]]，计算边界填充为零时的卷积结果矩阵，并给出左上角元素值。答案：卷积输出尺寸保持3×3，计算左上角(0,0)：(−1×1+0×2+1×3)+(−2×0+0×0+2×0)+(−1×0+0×0+1×0)=2完整输出：[[2,4,2],[4,8,4],[2,4,2]]左上角元素值：240.（10分）在RetinaNet中，分类损失权重α=0.25，γ=2，某anchor为负样本，预测概率p=0.1，计算其FocalLoss值。答案：负样本标签y=0，FL=−α(1−p)^γlog(1−p)=−0.25×(0.9)^2×log(0.9)=−0.25×0.81×(−0.10536)=0.021341.（11分）给定一个单头自注意力，输入序列长度n=4，d_k=8，Q=K=V∈R^{4×8}，假设QK^T所有元素为1，求softmax后第一行向量，并推导输出O第一行与V的关系。答案：QK^T全1，则softmax每行均匀分布，概率向量[0.25,0.25,0.25,0.25]。O第一行=0.25×V1+0.25×V2+0.25×V3+0.25×V4，即V行均值。推导：softmax(1)=1/4×1，Attentionweights为均匀，输出等于V的均值向量。七、编程题（共50分）42.（25分）请用PyTorch实现一个可学习的PatchEmbedding层，要求：输入图像张量形状(B,3,H,W)，H,W可被patch_size整除；输出形状(B,N,D)，其中N=(H//patch_size)×(W//patch_size)，D=embed_dim；使用卷积实现，且包含可学习位置编码；支持任意patch_size与embed_dim；写出完整类定义与前向代码，并给出形状断言。答案：```pythonimporttorchimporttorch.nnasnnclassPatchEmbed(nn.Module):def__init__(self,patch_size=16,embed_dim=768):super().__init__()self.patch_size=patch_sizej=nn.Conv2d(3,embed_dim,kernel_size=patch_size,stride=patch_size)self.pos_embed=nn.Parameter(torch.zeros(1,1024,embed_dim))预分配最大1024个patchdefforward(self,x):B,C,H,W=x.shapeassertH%self.patch_size==0andW%self.patch_size==0x=j(x)(B,D,H',W')x=x.flatten(2).transpose(1,2)(B,N,D)N=x.shape[1]x=x+self.pos_embed[:,:N,:]returnx示例if__name__=="__main__":m=PatchEmbed(patch_size=32,embed_dim=384)x=torch.randn(2,3,224,224)y=m(x)asserty.shape==(2,(224//32)2,384)```43.（25分）使用OpenCVPython编写函数，实现读取一张大图(>4K×4K)，按1024×1024无重叠切片，对每个切片运行ONNX目标检测模型，最后将结果映射回原图坐标，并做一次全局NMS。要求：函数签名`defdetect_big_image(model_path,image_path,conf_thresh=0.5,nms_thresh=0.5):`返回列表，每个元素为`[x1,y1,x2,y2,score,class_id]`；使用onnxruntimegpu，提供会话初始化与输入预处理；预处理：RGB顺序/255，归一化至[0,1]，letterbox保持比例，输出映射需反算；全局NMS使用OpenCVdnn.NMSBoxes；代码需含异常处理与进度条。答案：```pythonimportcv2,numpyasnp,onnxruntimeasortfromtqdmimporttqdmdefletterbox(im,new_shape=(1024,1024)):shape=im.shape[:2]r=min(new_shape[0]/shape[0],new_shape[1]/shape[1])new_unpad=int(round(shape[1]r)),int(round(shape[0]r))dw,dh=new_shape[1]new_unpad[0],new_shape[0]new_unpad[1]dw,dh=np.mod(dw,32),np.mod(dh,32)dw/=2;dh/=2ifshape[::1]!=new_unpad:im=cv2.resize(im,new_unpad,interpolation=cv2.INTER_LINEAR)top,bottom=int(round(dh0.1)),int(round(dh+0.1))left,right=int(round(dw0.1)),int(round(dw+0.1))im=cv2.copyMakeBorder(im,top,bottom,left,right,cv2.BORDER_CONSTANT,value=(114,114,114))returnim,r,(dw,dh)defdetect_big_image(model_path,image_path,conf_thresh=0.5,nms_thresh=0.5):providers=['CUDAExecutionProvider','CPUExecutionProvider']session=ort.InferenceSession(model_path,providers=providers)input_name=session.get_inputs()[0].nameimg=cv2.imread(image_path)H0,W0=img.shape[:2]slice_size=1024all_boxes,all_scores,all_cls=[],[],[]y_steps=range(0,H0,slice_size)x_steps=range(0,W0,slice_size)fory0intqdm(y_steps,desc="slice"):forx0inx_steps:tile=img[y0:y0+slice_size,x0:x0+slice_size]padded,ratio,pad=letterbox(tile)blob=cv2.dnn.blobFromImage(padded,scalefactor=1/255.0,size=(1024,1024),swapRB=True)outs=session.run(None,{input_name:blob})[0]shape:(1,25200,6)outs=outs[outs[...,4]>conf_thresh]iflen(outs)==0:continueboxes=outs[:,:4]scores=outs[:,4]cls_ids=outs[:,5].astype(int)反letterboxboxes[:,[0,2]]=pad[0]boxes[:,[1,3]]=pad[1]boxes/=ratio映射到原图boxes[:,[0,2]]+=x0boxes[:,[1,3]]+=y0all_boxes.extend(boxes)all_scores.extend(scores)all_cls.extend(cls_ids)iflen(all_boxes)==0:return[]all_boxes=np.array(all_boxes)indices=cv2.dnn.NMSBoxes(all_boxes.tolist(),all_scores,conf_thresh,nms_thresh)return[[all_boxes[i],all_scores[i],all_cls[i]]foriinindices.flatten()]调用示例if__name__=="__main__":dets=detect_big_image("yolo.onnx","big.jpg")print(dets[:3])```八、综合设计题（共50分）44.某工业场景需对传送带上的零件进行实时检测，要求：零件最小尺寸10×10px，输入图像2048×1536，帧率30FPS；现场仅提供50张标注图像；允许在边缘端部署JetsonOrinNano（算力40TOPS，显存8GB）；背景高度一致，光照可控；需支持新增零件型号，无需重新训练整个模型。请给出完整技术方案，包括：1)数据增强与伪标签策略；2)轻量模型选型与改进；3)训练策略（含迁移