2026年看图找脸测试题及答案

2026年看图找脸测试题及答案

一、单项选择题（每题2分，共20分）1.在“看图找脸”任务中，最早被用于人脸检测的经典算法是A.EigenfacesB.FisherfacesC.Viola-JonesD.HOG+SVM2.下列哪一项不是Viola-Jones检测器三大核心机制A.Haar-like特征B.AdaBoost级联C.非极大值抑制D.积分图加速3.当测试集出现大量侧脸图像时，最先下降的指标通常是A.精确率B.召回率C.F1-scoreD.ROC-AUC4.在MTCNN网络中，负责生成人脸窗口候选的子网络是A.P-NetB.R-NetC.O-NetD.L-Net5.若将输入图像分辨率从640×480降至320×240，对YOLO-face而言主要影响A.漏检率上升B.误检率下降C.推理时间翻倍D.显存占用线性增加6.使用WIDERFACE验证集时，官方默认的交并比阈值是A.0.3B.0.5C.0.7D.0.97.在困难场景（光照不均、遮挡）下，提升召回率最有效的后处理手段是A.多尺度测试B.Soft-NMSC.在线困难样本挖掘D.颜色空间归一化8.当批量推理出现“一张图检出同一人脸多个框”时，优先调用的库函数是A.cv2.groupRectanglesB.cv2.rectangleC.cv2.resizeD.cv2.Canny9.下列损失函数中，专门用于人脸框坐标精炼的是A.Cross-entropyB.SmoothL1C.FocallossD.Centerloss10.若测试集标注仅给出“是否含人脸”而无框坐标，则最适合的评估曲线是A.PR-curveB.ROC-curveC.DET-curveD.CMC-curve二、填空题（每题2分，共20分）11.Viola-Jones方法中，一张24×24子窗口的Haar-like特征总量约________万个。12.在RetinaFace的标注格式里，单个人脸标签包含________个坐标值（含5点landmarks）。13.MTCNN将图像金字塔缩放的最低边长默认设为________像素。14.当使用ResNet50-backbone时，FPN输出P3、P4、P5三层，其stride分别为________、________、________。15.WIDERFACE“Hard”子集中，官方规定图像最短边小于________像素的人脸不计入统计。16.在COCO-style评估脚本中，若detection的IoU≥0.5且置信度>0.8，则该结果标记为________（英文缩写）。17.将RGB均值设为(104,117,123)的预处理策略最早在________网络提出。18.对于1080p图像，YOLOv5-face在RTX3060上的单帧延迟约为________毫秒（整数）。19.在PyTorch里，将模型设为eval模式会关闭________和________两个训练期特有的层。20.当batch=1时，使用TensorRT加速后，MTCNN的P-Net理论加速比约为________倍（保留一位小数）。三、判断题（每题2分，共20分，正确写“T”，错误写“F”）21.Haar-like特征对旋转人脸具有天然鲁棒性。22.AdaBoost级联的每一层都可以独立设定最小检测率与最大误检率。23.在困难样本挖掘阶段，随机负样本比例越高越好。24.使用Soft-NMS一定会提升mAP，但可能轻微降低召回率。25.对于320×320输入，MobileNet0.25的参数量大于ShuffleNetV20.5x。26.将图像从BGR转HSV后再送入CNN，能显著降低光照影响。27.在WIDERFACE评估中，若预测框与忽略区域重叠，则该框不计入统计。28.使用5点landmarks比68点landmarks更节省标注成本，但会损失姿态估计精度。29.在TensorRTINT8量化时，必须提供具有代表性的校准数据集。30.对于同一张图，batchsize越大，GPU显存占用线性增加，而延迟线性下降。四、简答题（每题5分，共20分）31.简述Viola-Jones检测器如何利用积分图实现Haar-like特征快速计算。32.说明MTCNN三级网络各自的主要功能及损失函数设计。33.列举三种提升小目标人脸召回率的数据增强策略，并指出其副作用。34.解释在WIDERFACE评估中，PR曲线出现“锯齿”现象的两种原因。五、讨论题（每题5分，共20分）35.当业务场景要求“1080p视频流实时30fps，误检率<0.1%”时，请从模型选择、量化、后处理三方面给出系统级方案，并权衡精度与速度。36.讨论在口罩场景下，RetinaFace与YOLOv5-face的优劣，并给出联合训练的可行思路。37.若训练集与测试集存在显著域差异（室内监控vs.户外街拍），请设计一个无监督自适应流程，使mAP降幅控制在3%以内。38.随着4K前端相机普及，输入分辨率提升至3840×2160，传统滑动窗口方法为何失效？请从计算复杂度与内存带宽角度给出定量分析。答案与解析一、选择题1.C2.C3.B4.A5.A6.B7.B8.A9.B10.B二、填空题11.1612.1513.1214.8,16,3215.1016.TP17.VGG1618.1619.Dropout,BatchNorm20.3.2三、判断题21.F22.T23.F24.F25.F26.F27.T28.T29.T30.F四、简答题31.积分图预先计算每个位置左上角像素和，使任意矩形区域灰度和可在4次索引内完成；Haar-like特征由2—3个矩形差分构成，故单特征计算复杂度从O(n)降至O(1)，实现实时扫描。32.P-Net为全卷积Proposal网络，用交叉熵与边框回归损失生成候选框；R-Net精炼候选并剔除大量假阳，损失同P-Net但加入landmark回归；O-Net进一步细化框与5点关键点，损失三项加权融合，最终输出高精度人脸框与landmarks。33.(1)多尺度随机裁剪，副作用是背景噪声增加；(2)复制-粘贴小脸到同图随机位置，副作用是上下文不真实；(3)Mosaic四图拼接，副作用是标签错位风险上升。34.原因一：当置信度阈值递增时，某些召回段突然缺失高置信度正样本，导致precision骤降；原因二：忽略区域与难例交错，使TP/FP计数突变，形成局部锯齿。五、讨论题35.模型选择轻量化ShuffleNetV2-0.5x+FPN，通道剪枝30%；量化采用TensorRTINT8，校准集2000张；后处理使用Soft-NMS+Top-K预筛选，单帧总延迟28ms，误检0.08%，满足30fps。36.RetinaFacelandmarks分支因口罩遮挡误差大，但检测分支仍高召回；YOLOv5-face无关键点，速度更快。联合训练可将口罩数据标注框扩大15%，并引入可见度权重，使关键点损失仅对可见点回传，最终mAP提升2.3。37.流程：①源域预训练；②目标域提取特征做K-means聚类生成伪标签；③伪标签置信度>0.8参与微调，低置信度用一致性正则；④迭代三轮，EMA更新模型；实