你接手一个已上线的商品图分类模型：底座是 ResNet-50，源域是公开的千类自然图像预训练权重，现在要迁移到 200 类工业零件缺陷分类。目标域标注很少——每类约 50 张、共约 1 万张；数据是灰度、低对比度，并且来自 12 条不同产线的相机，产线之间存在明显域差异。团队想「冻结 backbone 只训最后的分类层，一周上线」。你会怎么做，以及你怎么说服团队？

面试官在考什么

能否判断迁移学习中「冻结多少」这个核心决策在源域-目标域差异与小样本条件下的正确取值，并把域差异转化为可监控、可回滚的工程方案。

迁移学习

回答框架 · 前两步

1. 「冻结 backbone 只训分类层」在源域与目标域差异大时（自然图像 → 灰度工业图）通常不够：浅层的边缘/纹理特征可迁移，但中高层的语义与统计分布差异明显，至少应解冻后段 stage 并调整学习率。
2. 1 万张、每类 50 张属于小样本迁移：应采用比从头训练小一个量级的学习率、分层学习率（浅层更小）、针对灰度低对比度做对比度/噪声/裁剪类增广，并配合标签平滑与类平衡，避免灾难性遗忘。

延伸阅读

• 技术面到底在考什么：三类考点的及格线与加分线
• 从「背过」到「能选型」：原理的三层准备法

想看这个方向的整体准备路线？ 进入「深度学习基础」方向页

同一能力域的其他题

• 某模块原来是单层 7×7 卷积：输入 56×56×64、输出 56×56×64、stride=1、padding=3。现在候选方案是堆 3 个 3×3 卷积（每层通道都是 64→64、stride=1、padding=1）。请回答：两者的感受野是否相同？参数量之比是多少？FLOPs 之比是多少（按乘法次数算即可）？并说明在什么样的场景下这个替换不划算。
• 在一个移动端实时语义分割任务中，输入 512×512，某阶段特征图为 64×64×128，需要下采样到 32×32×128，同时要尽量保留小目标边界。候选方案：A 3×3 stride=2 conv，padding=1；B 2×2 max pooling stride=2；C 3×3 average pooling stride=2；D 先 1×1 conv 把通道降到 64，再 3×3 stride=2 conv 升回 128。你会选哪种？请给出参数/乘加量级、对边界和小目标的影响，以及部署端算子支持/延迟上的取舍。
• 团队里有人提议把线上检测模型 backbone 中所有 MaxPool 全部换成 stride=2 的 3×3 卷积，理由是「池化丢信息、卷积可学习、精度更高」。模型输入 640×640，backbone 下采样 32 倍，当前在端侧 NPU 上单帧 38ms，业务预算是 33ms（30FPS），INT8 量化部署。作为技术负责人，你会批准、有条件批准还是否决？请给出你的判断依据和决策链。
• 一段 backbone 按顺序是：conv3×3 stride2 → conv3×3 stride1 → maxpool2×2 stride2 → conv3×3 stride1（全部 same padding，无空洞）。最后一层输出上一个像素，对应到输入图像上的理论感受野是多少像素？请写出从后往前的推导过程。另外，把第三层的 maxpool2×2 stride2 换成 conv3×3 stride2，感受野变成多少？
• 在一个分割模型中，输入 512×512，backbone 前几层依次为：3×3 s1、3×3 s2、3×3 s1、2×2 maxpool s2、3×3 s1。请计算最后一个 3×3 输出特征图位置的理论感受野。若大目标直径约 200 像素，仅继续堆 3×3 s1 卷积需要多少层？你会怎么改结构，在计算量、特征图分辨率和感受野之间取舍？
• 你负责一个 512×512 输入的缺陷分割任务，目标尺寸跨度极大：小的约 8×8 像素，大的约 300×300 像素。当前 backbone 的理论感受野已经超过 900 像素，但小目标召回长期上不去，大目标边缘也发糊。团队中 A 主张「继续加空洞卷积扩大感受野」，B 主张「感受野早就够了，问题在别处」。你如何判断谁对，并给出下一步方案？