2026年人工智能训练师（四级）案例分析真题及答案.docxVIP

2026年人工智能训练师（四级）案例分析真题及答案

2026年人工智能训练师（四级）案例分析真题及答案

【案例一】

背景

某市“城市大脑”项目需对早晚高峰交通视频进行实时事件检测。甲方提供三个月共2.1TB的原始MP4文件（H.264编码，1080p，25fps），要求训练一套轻量化检测模型，在边缘盒（算力5TOPS，内存4GB）上达到mAP≥0.75、单帧延迟≤80ms、模型体积≤45MB。数据标注团队已完成18万帧的矩形框标注，含“机动车违停”“行人闯红灯”“非机动车逆行”三类事件。标注JSON采用COCO格式，但经质检发现：

1.约7%框存在5像素以上的随机偏移；

2.“行人闯红灯”类别误标率为4.2%，即把正常过街行人错标为闯红灯；

3.夜间低照度帧（占比23%）中，漏标率高达11%。

乙方训练组原计划直接使用YOLOv5-nano做baseline，但首轮测试边缘盒延迟122ms，mAP仅0.68，且夜间误检成串。

问题

1.请给出数据清洗与增强的完整技术路线，要求逐条对应解决上述三类标注问题，并说明如何在不增加额外人工成本的前提下，利用算法自动修正或缓解。

2.在不更换backbone的前提下，请设计一种“检测头轻量化+量化”组合方案，使模型体积≤45MB、延迟≤80ms，且mAP下降不超过